近期，華為AI算法團隊表示在人工智能領域取得顯著突破，研究併發表一種創新的大模型 KV Cache 壓縮算法，稱為「RazorAttention」。www.tvboxnow.com- c& |6 F) t8 {. Q. ]
5 g9 ?" K; u6 g( U8 E# `7 S5 m4 s公仔箱論壇
# k2 I& E7 r( r; E/ X9 }- Pwww.tvboxnow.com
7 v/ u. K9 A+ Y* V公仔箱論壇 新算法具有卓越的性能表現，可以有效節省高達 70%的大模型推理 RAM 佔用，AI 大模型提供更多的空間，提供強有力的支援。
5 l2 R) n& r ]/ |" @6 {% q7 ytvb now,tvbnow,bttvb 目前相關論文《RazorAttention: Efficient KV Cache Compression Through Retrieval Heads》已被深度學習領域國際頂級會議 ICLR 2025 收錄，可見其重要性。
( V- f6 F% e, E+ n; s6 V. F公仔箱論壇華為表示，RazorAttention 是業界首個基於 Attention 可解釋性的離線靜態 KV Cache 壓縮算法，打破一直以來 AI 大模型長序列 KV Cache 壓縮不理想的硬傷，減少設備負擔，提高計算速度。
& `; Z2 g$ ^; |8 |RazorAttention 是通過檢索頭的設定，保證上下文中重要且主要的信息保留，且在保持高精度（誤差小於1%）的前提下，實現靜態有效壓縮最大70% 的 KV Cache RAM 佔用，大大減少 AI 大模型推理的成本。www.tvboxnow.com4 v: m2 I9 o* C- d
值得一提的是，目前 RazorAttention 算法已實現產品化，並集成在昇騰 MindIE/MindStudio，支援主流 8K~1M 長序列 KV Cache 壓縮，在 32K 以上場景增量吞吐提升20%+。 |
發表於 2025-1-28 12:28 AM
| 