NVIDIA 收录 TriAttention，用三角函数压缩 KV 缓存

青稞AI · wechat · 2026-08-20

针对长推理中 KV Cache 占用显存过高的问题，NVIDIA 研究科学家提出 TriAttention 方法。该方法基于一个发现：pre-RoPE 空间中的 Q/K 向量高度集中于固定中心，几乎不随内容与位置变化。利用这一特性，该方法通过三角级数直接估算 Key 的重要性分数，进而对 KV Cache 进行剪枝。该方法已被 NVIDIA TensorRT-LLM 官方仓库收录，并被集成到实时长视频生成框架 LongLive 中，在局部注意力窗口内削减了 50% 的显存且无损质量。