提出Windowed-MTP方法,对草案注意力应用滑动窗口和注意力汇点,将草案的KV工作集限制为常数,在百万token上下文中将每步解码成本降低28%-44%,且无损于验证输出分布。
机构:NVIDIA
来源:arXiv 2607.21535 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程