将KV Cache预算降至1.5%！他们用进化算法把大模型内存占用砍下来了

机器之心报道 编辑：张倩 只用 1.5% 的内存预算，性能就能超越使用完整 KV cache 的模型，这意味着大语言模型的推理成本可 以大幅降低。EvolKV 的这一突破为实际 部署中的内存优化提供了全新思路。 键值缓存（KV cache）已经成为大模型快速运行的核心技术，它就像一个「记忆库」，能够保存之前计算过的结果并重复使用，这样就不用每次都重新计算同样 的内容。 但是，这个记忆库有个问题：输入的文本越长，需要的存储空间就越大，而且模型处理长文本时会变得非常慢。 为了应对这些挑战，现有的 KV cache 压缩方法主要依赖基于规则的启发式方法。当前的方法可以归类为三种范式： 虽然这些方法在降低内存占用方面有效，但它们未能考虑两个关键问题： 仅依赖基于规则的 KV cache 预算分层分配，可能导致任务相关信息无法被最优地保留。 针对这些限制，来自中国科学院大学、中国科学院自动化研究所的 Bohan Yu 和苏黎世联邦理工学院的 Yekun Chai 受到（Chai 等，2022）的启发， 采用进化算法 直接基于任务性能搜索最优的 KV cache 分配 。 图源： https://x.com/rohanp ...