River-LLM: Large Language Model Seamless Exit Based on KV Share
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shen, Yingtao, Zou, An |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
NEAT: Neuron-Based Early Exit for Large Reasoning Models
par: Liu, Kang, et autres
Publié: (2026)
par: Liu, Kang, et autres
Publié: (2026)
A Systematic Study of Cross-Layer KV Sharing for Efficient LLM Inference
par: Wu, You, et autres
Publié: (2024)
par: Wu, You, et autres
Publié: (2024)
Effectively Compress KV Heads for LLM
par: Yu, Hao, et autres
Publié: (2024)
par: Yu, Hao, et autres
Publié: (2024)
PolyKV: A Shared Asymmetrically-Compressed KV Cache Pool for Multi-Agent LLM Inference
par: Patel, Ishan, et autres
Publié: (2026)
par: Patel, Ishan, et autres
Publié: (2026)
Accelerating Large Language Model Inference with Self-Supervised Early Exits
par: Valade, Florian
Publié: (2024)
par: Valade, Florian
Publié: (2024)
SpecExit: Accelerating Large Reasoning Model via Speculative Exit
par: Yang, Rubing, et autres
Publié: (2025)
par: Yang, Rubing, et autres
Publié: (2025)
DASH-KV: Accelerating Long-Context LLM Inference via Asymmetric KV Cache Hashing
par: Guo, Jinyu, et autres
Publié: (2026)
par: Guo, Jinyu, et autres
Publié: (2026)
Layer-Condensed KV Cache for Efficient Inference of Large Language Models
par: Wu, Haoyi, et autres
Publié: (2024)
par: Wu, Haoyi, et autres
Publié: (2024)
Path-Consistency with Prefix Enhancement for Efficient Inference in LLMs
par: Zhu, Jiace, et autres
Publié: (2024)
par: Zhu, Jiace, et autres
Publié: (2024)
Mitigating KV Cache Competition to Enhance User Experience in LLM Inference
par: Shen, Haiying, et autres
Publié: (2025)
par: Shen, Haiying, et autres
Publié: (2025)
KVLink: Accelerating Large Language Models via Efficient KV Cache Reuse
par: Yang, Jingbo, et autres
Publié: (2025)
par: Yang, Jingbo, et autres
Publié: (2025)
A Method for Building Large Language Models with Predefined KV Cache Capacity
par: Yi, Zhonghua, et autres
Publié: (2024)
par: Yi, Zhonghua, et autres
Publié: (2024)
AhaKV: Adaptive Holistic Attention-Driven KV Cache Eviction for Efficient Inference of Large Language Models
par: Gu, Yifeng, et autres
Publié: (2025)
par: Gu, Yifeng, et autres
Publié: (2025)
Self-supervised Quantized Representation for Seamlessly Integrating Knowledge Graphs with Large Language Models
par: Lin, Qika, et autres
Publié: (2025)
par: Lin, Qika, et autres
Publié: (2025)
RobustKV: Defending Large Language Models against Jailbreak Attacks via KV Eviction
par: Jiang, Tanqiu, et autres
Publié: (2024)
par: Jiang, Tanqiu, et autres
Publié: (2024)
DroidSpeak: KV Cache Sharing for Cross-LLM Communication and Multi-LLM Serving
par: Liu, Yuhan, et autres
Publié: (2024)
par: Liu, Yuhan, et autres
Publié: (2024)
KV Shifting Attention Enhances Language Modeling
par: Xu, Mingyu, et autres
Publié: (2024)
par: Xu, Mingyu, et autres
Publié: (2024)
Defending against Jailbreak through Early Exit Generation of Large Language Models
par: Zhao, Chongwen, et autres
Publié: (2024)
par: Zhao, Chongwen, et autres
Publié: (2024)
BriLLM: Brain-inspired Large Language Model
par: Zhao, Hai, et autres
Publié: (2025)
par: Zhao, Hai, et autres
Publié: (2025)
WeightedKV: Attention Scores Weighted Key-Value Cache Merging for Large Language Models
par: Yuan, Jian, et autres
Publié: (2025)
par: Yuan, Jian, et autres
Publié: (2025)
SimLens for Early Exit in Large Language Models: Eliciting Accurate Latent Predictions with One More Token
par: Ma, Ming, et autres
Publié: (2025)
par: Ma, Ming, et autres
Publié: (2025)
EvolKV: Evolutionary KV Cache Compression for LLM Inference
par: Yu, Bohan, et autres
Publié: (2025)
par: Yu, Bohan, et autres
Publié: (2025)
dKV-Cache: The Cache for Diffusion Language Models
par: Ma, Xinyin, et autres
Publié: (2025)
par: Ma, Xinyin, et autres
Publié: (2025)
Runaway is Ashamed, But Helpful: On the Early-Exit Behavior of Large Language Model-based Agents in Embodied Environments
par: Lu, Qingyu, et autres
Publié: (2025)
par: Lu, Qingyu, et autres
Publié: (2025)
ChunkKV: Semantic-Preserving KV Cache Compression for Efficient Long-Context LLM Inference
par: Liu, Xiang, et autres
Publié: (2025)
par: Liu, Xiang, et autres
Publié: (2025)
HELIOS: Adaptive Model And Early-Exit Selection for Efficient LLM Inference Serving
par: Kumar, Avinash, et autres
Publié: (2025)
par: Kumar, Avinash, et autres
Publié: (2025)
Seamless Deception: Larger Language Models Are Better Knowledge Concealers
par: Ashok, Dhananjay, et autres
Publié: (2026)
par: Ashok, Dhananjay, et autres
Publié: (2026)
EMAFusion: A Self-Optimizing System for Seamless LLM Selection and Integration
par: Shah, Soham, et autres
Publié: (2025)
par: Shah, Soham, et autres
Publié: (2025)
MinMo: A Multimodal Large Language Model for Seamless Voice Interaction
par: Chen, Qian, et autres
Publié: (2025)
par: Chen, Qian, et autres
Publié: (2025)
INMS: Memory Sharing for Large Language Model based Agents
par: Gao, Hang, et autres
Publié: (2024)
par: Gao, Hang, et autres
Publié: (2024)
WindowKV: Task-Adaptive Group-Wise KV Cache Window Selection for Efficient LLM Inference
par: Zuo, Youhui, et autres
Publié: (2025)
par: Zuo, Youhui, et autres
Publié: (2025)
IntactKV: Improving Large Language Model Quantization by Keeping Pivot Tokens Intact
par: Liu, Ruikang, et autres
Publié: (2024)
par: Liu, Ruikang, et autres
Publié: (2024)
AKVQ-VL: Attention-Aware KV Cache Adaptive 2-Bit Quantization for Vision-Language Models
par: Su, Zunhai, et autres
Publié: (2025)
par: Su, Zunhai, et autres
Publié: (2025)
EE-Tuning: An Economical yet Scalable Solution for Tuning Early-Exit Large Language Models
par: Pan, Xuchen, et autres
Publié: (2024)
par: Pan, Xuchen, et autres
Publié: (2024)
Accelerating Multimodal Large Language Models via Dynamic Visual-Token Exit and the Empirical Findings
par: Wu, Qiong, et autres
Publié: (2024)
par: Wu, Qiong, et autres
Publié: (2024)
EchoKV: Efficient KV Cache Compression via Similarity-Based Reconstruction
par: Ji, Shiyu, et autres
Publié: (2026)
par: Ji, Shiyu, et autres
Publié: (2026)
Early Exit Is a Natural Capability in Transformer-based Models: An Empirical Study on Early Exit without Joint Optimization
par: Shan, Weiqiao, et autres
Publié: (2024)
par: Shan, Weiqiao, et autres
Publié: (2024)
LLM as Dataset Analyst: Subpopulation Structure Discovery with Large Language Model
par: Luo, Yulin, et autres
Publié: (2024)
par: Luo, Yulin, et autres
Publié: (2024)
QAQ: Quality Adaptive Quantization for LLM KV Cache
par: Dong, Shichen, et autres
Publié: (2024)
par: Dong, Shichen, et autres
Publié: (2024)
Taming the Fragility of KV Cache Eviction in LLM Inference
par: Feng, Yuan, et autres
Publié: (2025)
par: Feng, Yuan, et autres
Publié: (2025)
Documents similaires
-
NEAT: Neuron-Based Early Exit for Large Reasoning Models
par: Liu, Kang, et autres
Publié: (2026) -
A Systematic Study of Cross-Layer KV Sharing for Efficient LLM Inference
par: Wu, You, et autres
Publié: (2024) -
Effectively Compress KV Heads for LLM
par: Yu, Hao, et autres
Publié: (2024) -
PolyKV: A Shared Asymmetrically-Compressed KV Cache Pool for Multi-Agent LLM Inference
par: Patel, Ishan, et autres
Publié: (2026) -
Accelerating Large Language Model Inference with Self-Supervised Early Exits
par: Valade, Florian
Publié: (2024)