块扩散语言模型的掩码引导 KV 缓存淘汰
原文标题：Mask-Guided KV Cache Eviction in Block Diffusion Language Models
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。
论文针对块扩散语言模型生成过程中 KV 缓存庞大、拖慢速度的问题，提出免训练的 MaskAhead 方法。它用单一掩码查询排序机制同时解决当前块的 KV 选择与未来块的淘汰，量化版本 Q-MaskAhead 直接从低位 KV 计算。在长提示问答任务上，MaskAhead 平均减少 9.5 倍 KV 显存，仅损失 1.2 个 F1 点，并带来 1.23 倍端到端加速。
- 问题
- 块扩散语言模型生成时KV缓存庞大，拖慢速度并限制内存。
- 方法
- 用单一掩码查询排序机制同时做当前块KV选择与未来块淘汰，量化版直接从低位KV计算。
- 结果
- 长提示问答上KV显存平均减少9.5倍、F1仅降1.2点；Q-MaskAhead减少20.1倍、F1降2.3点；批32下端到端加速1.23倍。
- 影响
- 免训练即可大幅压缩扩散LLM推理显存并提速，利于长文本生成部署。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MaskAhead 免训练压缩块扩散模型 KV 缓存，长提示 QA 显存降 9.5 倍仅损 1.2 F1。
- •块扩散语言模型生成全程保留大 KV 缓存并在每个去噪步全量注意力，限制显存与速度
- •MaskAhead 免训练，用单一掩码查询排序同时解决当前块 KV 选择与未来块淘汰
- •量化版 Q-MaskAhead 直接从低位 KV 计算选择与注意力，显存降至 20.1 倍，F1 损失 2.3 点
- •长提示 QA 上平均减少 9.5 倍 KV 显存，仅损失 1.2 个 F1 点
- •batch-32 下端到端加速 1.23 倍、解码阶段 1.68 倍
为什么重要：块扩散模型长上下文推理的显存瓶颈有免训练解法，对部署 dLLM 做长文档与检索任务的工程团队可直接复用。
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
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。