Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2503.24358

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2503.24358 (cs)
[提交于 2025年3月31日 (v1) ,最后修订 2025年7月28日 (此版本, v2)]

标题: SQuat:子空间正交KV缓存量化

标题: SQuat: Subspace-orthogonal KV Cache Quantization

Authors:Hao Wang, Ligong Han, Kai Xu, Akash Srivastava
摘要: 键值(KV)缓存通过存储之前生成标记的KV张量来加速LLMs解码。 它以增加内存使用为代价减少了冗余计算。 为了减轻这种开销,现有方法将KV张量压缩为低比特表示;然而,随着更多标记的生成,量化误差可能会累积,可能导致不期望的输出。 在本文中,我们引入了SQuat(子空间正交KV缓存量化)。 它首先构建由查询张量张成的子空间,以捕捉最关键的任务相关信息。 在键张量量化过程中,它强制(反量化)后的键与原始键之间的差异保持与此子空间正交,从而最小化量化误差对注意力机制输出的影响。 SQuat不需要模型微调,不需要额外的校准数据集进行离线学习,并基于我们开发的理论框架。 通过数值实验,我们证明我们的方法将峰值内存减少了2.17到2.82,吞吐量提高了2.45到3.60,并且比现有的KV缓存量化算法取得了更有利的基准分数。
摘要: The key-value (KV) cache accelerates LLMs decoding by storing KV tensors from previously generated tokens. It reduces redundant computation at the cost of increased memory usage. To mitigate this overhead, existing approaches compress KV tensors into lower-bit representations; however, quantization errors can accumulate as more tokens are generated, potentially resulting in undesired outputs. In this paper, we introduce SQuat (Subspace-orthogonal KV cache quantization). It first constructs a subspace spanned by query tensors to capture the most critical task-related information. During key tensor quantization, it enforces that the difference between the (de)quantized and original keys remains orthogonal to this subspace, minimizing the impact of quantization errors on the attention mechanism's outputs. SQuat requires no model fine-tuning, no additional calibration dataset for offline learning, and is grounded in a theoretical framework we develop. Through numerical experiments, we show that our method reduces peak memory by 2.17 to 2.82, improves throughput by 2.45 to 3.60, and achieves more favorable benchmark scores than existing KV cache quantization algorithms.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 计算与语言 (cs.CL); 信息论 (cs.IT)
引用方式: arXiv:2503.24358 [cs.LG]
  (或者 arXiv:2503.24358v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2503.24358
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Hao Wang [查看电子邮件]
[v1] 星期一, 2025 年 3 月 31 日 17:37:32 UTC (774 KB)
[v2] 星期一, 2025 年 7 月 28 日 20:44:23 UTC (776 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-03
切换浏览方式为:
cs
cs.AI
cs.CL
cs.IT
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号