跳到正文
热点事件持续更新

新方法用测试时训练压缩KV缓存

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

Yingfa Chen 等作者提出 Latent Compaction，通过测试时训练为每篇文档学习紧凑的 KV cache，模型权重全程冻结，仅用文档通用提示词训练。 在 RULER 基准上，该方法以 32 倍压缩率取得 96.7% 准确率，对比方法 KVZip+ 为 40.0%。作者称该方法可跨模型规模和系列迁移，在 Qwen3 与 MiniCPM5 上均提升检索表现，代码已开源。上述效果为作者报告的结果。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
Latent Compaction：用测试时训练压缩 KV cache

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CL
    Latent Compaction：用测试时训练压缩 KV cache

    Latent Compaction 通过测试时训练学习文档专属的紧凑 KV cache，模型权重全程冻结，仅用文档通用提示词训练。在 RULER 上以 32× 压缩率取得 96.7% 准确率，KVZip+ 仅为 40.0%。该方法可跨模型规模与系列迁移，在 Qwen3 和 MiniCPM5 上均提升检索表现，代码已开源。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。