PeekKV 用单 token 探测实现按注意力头分配 KV 缓存
原文标题：PeekKV: The First Content Token Already Knows Which Heads Matter
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。
KV 缓存随上下文线性增长成为 LLM 推理内存瓶颈。研究观察到 decode 阶段活跃注意力头在内容 token 间保持稳定，据此提出 PeekKV：在 prefill 后观察单个内容 token，联合获取头组得分与 token 重要性得分，按比例分配缓存预算。无需离线分析或训练，在 Llama-3.1-8B-Instruct 上以 10% 内存预算保留 95.7% 全缓存精度。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PeekKV 仅用单 token 探测分配 KV 缓存，Llama-3.1-8B 上 10% 内存保留 95.7% 精度
- •核心观察：prefill 与 decode 阶段活跃头会变化，但 decode 阶段过滤格式 token 后活跃头组成在内容 token 间稳定
- •方法：prefill 后观察单个内容 token，联合得到头组得分与 token 重要性得分，按比例分配缓存预算
- •无需离线分析或训练，可直接用于未见工作负载与新模型
- •四个公开基准中过半模型对比取得最高精度，RULER 上最接近全缓存精度
为什么重要：KV 缓存是长上下文推理的内存瓶颈，免训练、免离线剖析的方案对部署新模型和波动负载的推理服务方更实用。
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
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。