百度百舸が復旦大学と共同でLU-KVフレームワークを提案、ICML 2026に採択
原題:顶会入选!百度百舸联合复旦大学刷新KV Cache压缩SOTA
AI 要約
百度百舸チームは復旦大学と共同でLong-horizon Utility KV(LU-KV)フレームワークを提案し、ヘッド単位のKV Cache予算配分を長期的な限界効用に基づくグローバルな組合せ最適化問題としてモデル化した。LU-KVはオフラインプロファイリングでアテンションヘッドの限界貢献曲線を推定し、凸包緩和と限界効用に基づく貪欲法ソルバーを組み合わせることで、低いオーバーヘッドでほぼ最適な予算構成を得る。SnapKVやKeyDiffなど複数の圧縮手法に適用可能だ。LongBenchとRULERベンチマークでは、80%の圧縮率でも性能低下が小さく、メモリ使用量と推論遅延を削減する。関連論文はICML 2026に採択された。
要点
- 百度百舸チームは復旦大学と共同でLong-horizon Utility KV(LU-KV)フレームワークを提案し、ヘッド単位のKV Cache予算配分を長期的な限界効用に基づくグローバルな組合せ最…
- LU-KVはオフラインプロファイリングでアテンションヘッドの限界貢献曲線を推定し、凸包緩和と限界効用に基づく貪欲法ソルバーを組み合わせることで、低いオーバーヘッドでほぼ最適な予算構成を得る。
- SnapKVやKeyDiffなど複数の圧縮手法に適用可能だ。
- LongBenchとRULERベンチマークでは、80%の圧縮率でも性能低下が小さく、メモリ使用量と推論遅延を削減する。
- 関連論文はICML 2026に採択された
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 63
おすすめの理由
ICML接收的KV Cache压缩新方法,把缓存预算分配从看当前分数改成全局优化,能显著降低显存占用,做长上下文推理的值得细读。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:百度百舸が復旦大学と共同でLU-KVフレームワークを提案、ICML 2026に採択。2026年6月10日。https://new.nat6.net/ja/news/cmq7w1nzi028nslepn0azwdsg/