多轮对话复用KV cache的策略是如何解决FTT变长问题的？
多轮对话复用KV cache的策略是如何解决FTT变长问题的？
展开
收起
1
条回答
写回答
写回答
-
多轮对话复用KV cache的策略是通过保存上一轮对话产生的KV cache，供下一轮对话时复用。由于大部分自回归模型的Attention Mask都是下三角矩阵，即某一位置token的注意力与后续token无关，因此两轮对话公共前缀部分的KV cache是一致的。通过复用这些KV cache，可以减少下一轮需要生成KV cache的token数，从而减少FTT。
2024-05-23 17:47:05赞同 3 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
