OScaR KV缓存量化框架论文发布
热点事件持续更新
OScaR KV缓存量化框架论文发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Zunhai Su 等人在 arXiv 发布论文，提出 KV cache 压缩框架 OScaR（Omni-Scaled Canalized Rotation）。该框架通过 Canalized Rotation 与 Omni-Token Scaling 缓解 Token Norm Imbalance（TNI）导致的量化误差，据论文称在 INT2 量化下实现近乎无损性能，且不依赖 TurboQuant 等复杂量化流程。 论文称 OScaR 面向 X-LLMs，即纯文本、多模态和全模态大模型，代码已公开。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
OScaR：面向 LLM 及更多模型的极致 KV Cache 量化框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CLOScaR：面向 LLM 及更多模型的极致 KV Cache 量化框架
研究者提出 KV cache 压缩框架 OScaR（Omni-Scaled Canalized Rotation），通过 Canalized Rotation 与 Omni-Token Scaling 缓解 Token Norm Imbalance（TNI）导致的量化误差，在 INT2 量化下实现近乎无损性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。