热点事件观察中
研究者提出针对MLA架构的RAQ-MLA缓存量化方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv发布的研究显示，研究人员提出了针对多头潜在注意力（MLA）缓存的角色感知量化方法RAQ-MLA。该方法无需训练即可将完整MLA缓存量化至约2.5 bits，使理论KV cache容量提升6.5倍。技术路线上，RAQ-MLA针对负责提供值的潜变量与主导注意力分数的位置键分别拟合可逆变换以抑制误差传递。测试结果表明，该方法在4个MLA模型的推理与代码任务中均实现了近乎无损的表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
研究者提出RAQ-MLA量化方法，使MLA缓存理论容量提升6.5倍。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 人工智能RAQ-MLA：面向多头潜在注意力（MLA）缓存的角色感知量化方法
研究人员提出针对多头潜在注意力（MLA）缓存的量化方法 RAQ-MLA，无需训练即可将完整 MLA 缓存量化至约 2.5 bits，理论 KV cache 容量提升 6.5x。该方法针对负责提供值的潜变量与主导注意力分数的位置键分别拟合可逆变换以抑制误差传递。测试表明，该方法在 4 个 MLA 模型的推理与代码任务中均实现了近乎无损的表现。
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。