DCKV：端到端训练的KV缓存压缩编解码器
热点事件持续更新
DCKV：端到端训练的KV缓存压缩编解码器
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Egor Maximov 等在 arXiv 发布论文，提出 DCKV，称其为首个端到端训练的 KV cache 可微编解码器，用于压缩混合语言模型中仅存于少数全注意力层的 KV cache，其变换、量化器和熵模型与冻结语言模型联合优化。 论文报告的效果绑定在 Qwen3.5-2B 上：压缩后每 token 存储比 bf16 少 55 倍以上时，三个长上下文 benchmark 最多损失 1.8 分；少 100 倍以上时最多损失 3.6 分。这些为论文自述结果，尚未有独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 18:11
DCKV：混合语言模型中提示词 KV cache 的可学习变换编码报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.AIDCKV：混合语言模型中提示词 KV cache 的可学习变换编码
DCKV 是首个端到端训练的 KV cache 可微编解码器，针对混合语言模型中仅存于少数全注意力层的 KV cache 进行压缩，其变换、量化器和熵模型与冻结语言模型联合优化。在 Qwen3.5-2B 上，压缩后每 token 存储比 bf16 少 55 倍以上时，三个长上下文 benchmark 最多损失 1.8 分；少 100 倍以上时最多损失 3.6 分。
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。