新发现
srikanthbalaaji/dimmer-kv — 基于逐 token 精度的 KV 缓存压缩
srikanthbalaaji/dimmer-kv 是一个通过降低逐 token 精度来压缩 KV 缓存、并直接在压缩后的缓存上计算注意力的项目。
srikanthbalaaji/dimmer-kv 是一个通过降低逐 token 精度来压缩 KV 缓存、并直接在压缩后的缓存上计算注意力的项目。
GitHub 项目说明: KV cache compression for LLM inference: 37× smaller KV cache at full-cache accuracy. Per-token precision on transform coding, question-time refinement, and attention over the compressed cache. PyTorch + Hugging Face.
在 GitHub 查看 ↗srikanthbalaaji/dimmer-kv 是一个通过降低逐 token 精度来压缩 KV 缓存、并直接在压缩后的缓存上计算注意力的项目。
没有符合条件的动态。