不改模型给 Qwen3-8B 加近似层,预填充时间砍半
teortaxesTex · x · 2026-09-11
日本开发者参考 DeepSeek-V4.1-Flash 所称的「Encoder-Decoder」后半层 KV 近似机制,在 Qwen3-8B 上做了复现:不改动原模型,额外加一个近似模型,即可把预填充(prefill)时间缩短到一半,输出质量保持相当。
原推进一步确认:这种做法同样适用于正常训练的解码器,即 YOCO(你只需要缓存一次)机制可以在现成模型上通过外挂近似实现,无需重新训练。
「Infra」频道最新
- 一天烧完两次 ChatGPT 额度，网友造新词「老黄—奥特曼定律」 — yihui_indie · 2026-09-11
- AI 消耗量分三波浪潮：2026 年 2 月 Agent 用量已超人类 — AccBalanced · 2026-09-11
- 英伟达已成主流 Robotaxi 栈核心：训练仿真车载计算全覆盖 — pdamodaran · 2026-09-11
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11