热点事件持续更新
AttSVD：注意力引导SVD的提示自适应KV缓存压缩
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv Machine Learning Theory（一手来源）发布 AttSVD 方法。AttSVD 是一种免训练的 KV Cache 压缩方法，按每个提示词的注意力几何做在线截断 SVD，保留注意力实际读取的方向，按保留秩比例降低每头 KV 内存。方法提出累积与流式两种解码时缓存策略，并以逐矩阵能量规则和注意力感知基截断做自适应压缩。报道显示，该方法在多个模型、agentic benchmark 与完整 LongBench 上与稠密缓存持平，KV 内存最多节省 50%。目前未见后续报道或独立验证信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
arXiv发布AttSVD：免训练、提示自适应低秩KV压缩，精度持平、KV内存最多省50%。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Machine Learning TheoryAttSVD：基于注意力引导 SVD 的提示自适应低秩 KV Cache 压缩
AttSVD 是一种免训练的 KV Cache 压缩方法，按每个提示词的注意力几何做在线截断 SVD，保留注意力实际读取的方向，按保留秩比例降低每头 KV 内存。提出累积与流式两种解码时缓存策略，并以逐矩阵能量规则和注意力感知基截断做自适应压缩。在多个模型、agentic benchmark 与完整 LongBench 上与稠密缓存持平，KV 内存最多节省 50%。
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。