超越 K/V 缓存:混合线性注意力 LLM 中的跨模型状态切换
原文:Beyond K/V Caches: Cross-Model State Handoff in Hybrid Linear-Attention LLMs
生产部署通常使用不同的模型,通过长时间对话期间的级联、路由和交换模型来平衡成本和质量。上下文会在回合中累积。每个开关都要求目标在此上下文上重复预填充。现有方法跨模型传输全注意力 (FA) K/V 缓存。混合线性注意力模型还保留循环状态(REC)和 c
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。