arXiv 提出 RIFT：草稿模型 KV 缓存压缩，Qwen3.5 保留 98% 接受长度
原文标题：RIFT: KV Cache Compression for Draft Models with Complementary Compressibility Training
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。
论文针对投机解码中草稿模型的 KV 缓存压缩问题，提出「解码陈旧性」现象并给出 RIFT 系列基于选择策略的压缩方法，平衡预填充信息与近期生成 token。配合基于稀疏注意力掩码的可压缩性训练，Qwen3.5-4B 为 Qwen3.5-122B 起草时，在 32K 输入、8K 缓存预算下保留超 98% 的全缓存接受长度。
- 问题
- 投机解码中草稿模型的KV缓存压缩会随输出变长而失效。
- 方法
- 提出“解码陈旧性”现象，设计平衡预填充信息与近期token的RIFT选择式压缩，配合自适应刷新与稀疏注意力掩码的可压缩性训练。
- 结果
- Qwen3.5-4B为Qwen3.5-122B起草时，32K输入、8K缓存预算下保留超98%全缓存接受长度。
- 影响
- 长输出场景下可大幅压缩草稿模型缓存成本而不牺牲投机解码加速效果。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RIFT 压缩草稿模型 KV 缓存，Qwen3.5-4B 为 122B 起草时在 8K 预算下保留超 98% 接受长度
- •论文提出「解码陈旧性」现象：偏重预填充信息的压缩方法随输出变长而失效，降低草稿模型准确率
- •RIFT 在选择式压缩中平衡预填充信息与近期生成 token，生成过程中刷新选择可显著提升草稿质量，代价是额外解码延迟
- •自适应 KV 刷新策略减少打分计算次数，同时保留草稿质量
- •基于稀疏注意力掩码的可压缩性训练进一步提升压缩缓存下的草稿质量
- •实测条件：32K 输入、4K 输出、8K KV 缓存预算，Qwen3.5-4B 起草 Qwen3.5-122B 保留超 98% 全缓存接受长度
为什么重要：长输出场景下 KV 缓存是投机解码的主要成本项；该结果说明草稿模型缓存可压到约四分之一而几乎不掉接受长度，对长上下文推理的显存与吞吐优化有直接意义。
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。