AtlasKV 论文:20GB 显存塞进 10 亿三元组知识图谱,告别 RAG
udmrzn · x · 2026-11-20
港科大与华为理论实验室提出 AtlasKV,一种参数化知识注入方法,可将十亿级知识图谱三元组直接写入 LLM 的注意力机制,取代传统 RAG 管线。
关键结果:
- 10 亿知识三元组规模注入,仅需不到 20GB GPU 显存
- 两个新方法 KG2KV 与 HiKVP,实现亚线性时间与内存复杂度
- 无需外部检索器、无需向量库、无需超长上下文
- 新增知识时无需重新训练模型
作者认为这标志着从「非参数化外挂检索」向「参数化知识注入」的范式转变,保持较强的 grounding 与泛化能力,代码与数据已开源。
「Infra」频道最新
- xAI 孟买?不,SpaceX AI 斥资 550 万美元购 96 英亩扩建孟菲斯数据中心 — chrisgrayson · 2026-11-20
- Ollama CEO:企业客户不再问模型来源,转而追问数据去向 — ollama · 2026-11-20
- 专家网络咨询激增:算力行业的监管敞口正引发市场警觉 — mattwbaker · 2026-11-20
- 律师用12块2018年V100跑满血DeepSeek-V4.1-Flash,单流184 tok/s — TumbleweedNew6515 · 2026-11-20
- 美国物理 AI 落地边界:私人基建 CAPEX、前沿模型与机器人软件 — ingliguori · 2026-11-20
- Together AI 12 月 15 日直播:用 RL 后训练 Kimi K3.1 完整拆解 — togethercompute · 2026-11-20