研究人员提出基于核插值法的KV缓存压缩新方法
Start here
针对大模型注意力机制的二次复杂度瓶颈，研究人员于2026年11月2日在 arXiv 发表论文，提出用于注意力机制上下文压缩的核插值方法。该研究推出了基于核空间插值的 GAIM 与 Q-DAIM 两种新型 KV 缓存（KV cache）压缩方案，通过引入泰勒级数、Performer 以及随机傅里叶特征等代理模型，将压缩计算复杂度成功降至线性时间，同时扩展支持流式注意力设置。实验评估结果显示，该方法在 LongBench-E 长文本基准测试上取得了与当前 SOTA 相当的性能表现。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习用于注意力机制上下文压缩的核插值方法
针对注意力机制二次复杂度瓶颈，研究人员提出基于核空间插值的 GAIM 与 Q-DAIM 两种新型 KV cache 压缩方法。该研究通过引入泰勒级数、Performer 和随机傅里叶特征等代理模型将压缩计算降至线性时间，并扩展支持流式注意力设置。实验表明其在 LongBench-E 基准上取得了与 SOTA 相当的性能表现。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.