热点事件持续更新
研究团队提出无需训练的KV Cache驱逐方法LORE-KV
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv自然语言处理领域发布一项研究，提出了一种无需训练的KV cache驱逐方法LORE-KV。该方法通过采样模型未来的响应query轨迹，来蒙特卡洛估计prompt token的重要性。实验结果显示，在B=128的预算下，LORE-KV将Qwen2.5-14B的LongBench平均分从45.49提升至48.24（+2.75），并将Mistral-7B在16K RULER测试中的平均分从45.20提升至51.05（+5.85）。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
研究团队提出LORE-KV驱逐方法，在低预算下显著提升Qwen与Mistral长文本基准表现。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 自然语言处理用于 KV cache 驱逐的蒙特卡洛估计
研究提出无需训练的 KV cache 驱逐方法 LORE-KV，通过采样模型未来的响应 query 轨迹来估计 prompt token 的重要性。在 B=128 预算下，该方法将 Qwen2.5-14B 的 LongBench 平均分从 45.49 提升至 48.24（+2.75），并将 Mistral-7B 的 16K RULER 平均分从 45.20 提升至 51.05（+5.85）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。