热点事件持续更新
研究者提出KV缓存低秩压缩方法AttSVD
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，研究人员在 arXiv 提出名为 AttSVD 的提示词自适应低秩 KV cache 压缩方法。该方法基于注意力引导 SVD 技术，在特征轴保留全部 token，仅截断保留注意力实际读取的方向，并支持 accumulating 与 streaming 两种解码缓存策略。评测结果显示，在多个模型、智能体基准及完整 LongBench 上，AttSVD 仅需使用至多 50% 的 KV cache 内存，即可保持与密集缓存持平的性能表现。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
研究者提出AttSVD压缩方法，至多使用50% KV缓存即可维持密集缓存性能。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 机器学习AttSVD：基于注意力引导 SVD 的提示词自适应低秩 KV cache 压缩
研究人员提出 AttSVD，一种基于注意力引导 SVD 的提示词自适应低秩 KV cache 压缩方法。该方法在特征轴保留全部 token，仅截断保留注意力实际读取的方向，并提供 accumulating 与 streaming 两种解码缓存策略。在多个模型、智能体基准及完整 LongBench 上，AttSVD 仅使用至多 50% 的 KV cache 内存即可保持与密集缓存持平的性能。
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。