提出RAQ-MLA：无需训练量化MLA缓存至约2.5 bit
热点事件持续更新
提出RAQ-MLA：无需训练量化MLA缓存至约2.5 bit
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
论文作者提出 RAQ-MLA，一种针对多头潜在注意力（MLA）KV 缓存的角色感知量化方法，根据压缩 latent 与位置键在注意力中的作用不同分别设计可逆变换。论文称该方法无需训练即可将完整 MLA 缓存量化至约 2.5 bit/元素，理论 KV 缓存容量提升 6.5 倍，且在四个 MLA 模型的推理与编码任务上近乎无损。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
RAQ-MLA：面向多头潜在注意力缓存的角色感知量化方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIRAQ-MLA：面向多头潜在注意力缓存的角色感知量化方法
研究人员提出 RAQ-MLA，一种针对 Multi-Head Latent Attention（MLA）KV 缓存的角色感知量化方法，根据压缩 latent 与位置键在注意力中作用不同分别设计可逆变换。该方法无需训练即可将完整 MLA 缓存量化至约 2.5 bit/元素，理论 KV 缓存容量提升 6.5 倍，且在四个 MLA 模型的推理与编码任务上近乎无损。
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。