计算机科学 > 机器学习
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.