arXiv · cs.CL· Minsoo Cheong·· 1 天前精选AI 评分52
LoopVQ：面向 Looped Transformers 的亚 1-bit KV cache 量化方法
LoopVQ: Sub 1-bit KV Cache Quantization for Looped Transformers
来源与原文
arXiv · cs.CL
作者：Minsoo Cheong
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.05304v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
LoopVQ 是针对 looped transformers 的 KV cache 向量量化方法，利用 KV cache 沿 loop 轴的高度冗余联合编码多个 loop step 的通道，并微调 codebook 以匹配全精度模型输出。在每元素 0.5 bit 下，LoopVQ 在通用、长链式推理和长上下文检索任务上优于现有标准 LLM 的 KV cache 量化方法（基于 Ouro 和 Huginn 模型）；与 TaSQ 结合后在 0.25 bit 仍保留大部分 BF16 精度。作者在 SGLang 中实现该方法，32K token 上下文下 decode 延迟近乎减半，1.4B 和 2.6B Ouro 模型峰值服务吞吐较 BF16 基线分别提升最高 4.3× 和 6.1×。
推荐理由
论文给出 LoopVQ 在 0.5 和 0.25 bit 下与现有 KV cache 量化方法的任务对比，以及在 SGLang 中的实测延迟与吞吐数字。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。