پژوهشگرای انویدیا باز یه حرکت خفن زدن و کاری کردن که بشه حافظه پیشپردازش یا همون KV Cache رو بین مدلهای مختلف هوش مصنوعی منتقل کرد
پژوهشگرای انویدیا باز یه حرکت خفن زدن و کاری کردن که بشه حافظه پیشپردازش یا همون KV Cache رو بین مدلهای مختلف هوش مصنوعی منتقل کرد. با این روش، مدل مقصد دیگه نیازی به خواندن و پردازش دوباره متنهای قبلی نداره و سرعت کار بین ۲.۷ تا ۲۵ برابر سریعتر میشه، اون هم بدون اینکه نیاز به آموزش دادن یا تغییر مدلها باشه. توی تستها روی مدلهایی مثل لاما و Qwen، دقت کار بین ۷۳ تا ۹۸ درصد حفظ شده که آمار خیلی ردیف و بالاییه. البته فعلاً این انتقال فقط بین مدلهای همخانواده جواب داده و رفتن سراغ مدلهای کاملاً متفاوت رو گذاشتن واسه فازهای بعدی.
منبع
Cross-Model KV Cache Transfer in LLM Families: A Closed-Form Linear Mapping for Prefill Reuse
Production deployments often swap between different-sized models in a family for cost-quality cascading, mid-conversation switching, and routing, and each swap forces the receiver to repay the prefill from scratch. We propose cross-model KV cache transfer, where the receiver reuses the source's KV cache, skipping prefill. We find that cross-model KV has substantial linear structure across matched-
خواندن در سایت منبع



نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.