lolspider / notes

Topic

#attention

6 篇笔记

Accelerating Gemini Nano models on Pixel with frozen Multi-Token Prediction

📝 摘要 Google Research 发布了一种将 Multi-Token Prediction (MTP) 增层改造(retrofit)到已冻结的 Gemini Nano v3 生产模型上的方法,在不修改基座模型权重的前提下,大幅加速 Pixel 设备上的端侧 LLM 推理。该方法已在 Pixel 9 和 10 系列实机部署,使 AI Notification Summaries、Proo…

research.google· 2 分钟 ·#clippings·#AI·#LLM

从 305 GB 到 7.4 GB:大模型 KVCache 架构演进全景

五一本打算更新一年前写的开源引擎 KVCache 实现文档,但梳理下来发现,光是 KVCache 演进的理论部分就已足够撑起一篇独立文章。在 Agent 改变搜索习惯、重塑软件行业的今天,多轮交互带来的长上下文让 KVCache 持…

zhuanlan.zhihu.com· 16 分钟 ·#clippings·#LLM·#KVCache