arXiv 论文：AbridgeKV 将长推理压缩进 KV 缓存
原文标题：AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause Tokens
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AbridgeKV 通过训练模型把已生成文本块压缩为少量学习到的暂停 token 的 KV 条目，从而释放原始缓存。在 AIME 等 446 道竞赛题上，保留四分之一缓存即可匹配全 KV 模型精度与输出长度。在 vLLM 中部署后每序列缓存缩小 3.5 倍，H100 完成问题快 3.2 倍。
- 问题
- 长思维链解码时 KV 缓存随测试算力线性增长，内存受限。
- 方法
- 训练模型把已生成文本块压缩为少量学习到的暂停 token 的 KV 条目，并释放原缓存。
- 结果
- 446 道竞赛题上保留四分之一缓存即匹配全 KV 精度；vLLM 中每序列缓存缩小 3.5 倍，H100 快 3.2 倍。
- 影响
- 长推理部署可显著降显存、提吞吐，直接降低推理成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AbridgeKV 把生成文本压成暂停 token 的 KV，四分之一缓存即匹配全 KV 精度，H100 快 3.2 倍。
- •将每个已生成文本块压缩为少量学习到的暂停 token 的 KV 条目，随后释放原缓存
- •在 AIME、HMMT、AMC 等 446 道竞赛题、32K token 生成下，保留四分之一缓存即匹配全 KV 模型的精度与输出长度
- •同预算下最强已发布驱逐方法输出长得多，最接近的训练式压缩器重训后掉 10 分
- •vLLM 部署后每序列缓存缩小 3.5 倍，饱和 H100 完成问题快 3.2 倍
- •三个关键设计：暂停 token 取被替换块内位置、按层价值分配缓存预算、在较大块上压缩
为什么重要：长思维链推理是显存瓶颈，这条把压缩做进训练而非事后驱逐，直接关系到长推理服务的成本与吞吐。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。