RazorAttention: Efficient KV Cache Compression Through Retrieval Heads

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Tang, Hanlin, Lin, Yang, Lin, Jing, Han, Qingsen, Hong, Shikuan, Yao, Yiwu, Wang, Gongyi
Format:	Preprint
Publié:	2024
Sujets:	Machine Learning Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2407.15891