Fathom：面向卸载KV缓存的按查询读取深度稀疏解码
原文标题：Fathom: Per-Query Read Depth for Sparse Decoding over Offloaded KV Caches
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。
论文提出Fathom，一种按查询动态决定读取多少位键通道的稀疏解码方法。4位K缓存以位平面方式按通道存储，查询通过反向注水分配比特预算。在Qwen3-8B百万token场景下，解码步骤比136位扫描快1.67倍，且以更少字节达到更低注意力误差。
- 问题
- 百万token多会话场景下，KV缓存与索引驻留主机内存，全键扫描成为解码瓶颈。
- 方法
- 按查询动态决定读取多少位键通道，4位K缓存按通道位平面存储，用反向注水分配比特预算。
- 结果
- Qwen3-8B百万token下解码比136位扫描快1.67倍；同等GPU时间下比SparQ 68位读取少18%字节，七个设置中六个注意力误差更低。
- 影响
- 长上下文智能体服务可显著降低KV缓存读取流量，且复用现有4位量化K副本，无需额外存储。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Fathom按查询动态决定读取多少位键通道，Qwen3-8B百万token下解码比136位扫描快1.67倍。
- •4位K缓存按通道以位平面存储，读取前t个平面即该通道的t位量化器
- •查询通过反向注水按方差加权重要性分配比特预算
- •Qwen3-8B百万token场景，解码步骤GPU时间比Double Sparsity、Loki、SparQ r=32的136位扫描快1.67倍
- •与SparQ 68位读取同GPU时间下，Fathom少读18%字节，七个模型与上下文设置中六个注意力误差更低
- •真实编码智能体会话中，92位即达到最准确136位扫描的步骤一致度；索引驻留GPU时该方法不再更快
为什么重要：长会话智能体的解码瓶颈是主机内存中KV索引扫描的流量，按查询分配读取深度是直接削减该流量的路径。
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。