热点事件观察中

提出 LoopVQ：面向 Looped Transformers 的亚 1-bit KV 缓存量化方法

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Minsoo Cheong 等在 arXiv 发布论文，提出面向 looped transformers 的 KV cache 向量量化方法 LoopVQ：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。论文称，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面向标准 LLM 的 KV cache 量化方法（基于 Ouro 和 Huginn 模型测试）；与 TaSQ 结合后在 0.25 bit 仍保留大部分 BF16 精度。作者还在 SGLang 中实现了该方法，称其在 32K token 上下文下 decode 延迟近乎减半，1.4B 和 2.6B Ouro 模型的峰值服务吞吐较 BF16 基线分别最高提升 4.3× 和 6.1×。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

02:16
arXiv · cs.CL精选
LoopVQ：面向 Looped Transformers 的亚 1-bit KV cache 量化方法
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×。

本事件热度走势

可比范围当前: 4
可比范围峰值: 511月5日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。