[论文] MIT AM-OMP：基于注意力匹配的极速 KV 缓存压缩技术

MIT 最新提出的 AM-OMP（Attention Matching - Orthogonal Matching Pursuit）技术，论文《Fast KV Compaction via Attention Matching》。

核心技术架构：

1. 理论基础：注意力混合恒等式 - 拼接注意力块的最终输出是各局部注意力输出的加权混合
2. 标量偏置补偿（Scalar Bias Compensation）- 引入逐 token 标量偏置 β，通过 NNLS 闭式求解
3. 三步闭式求解（无需梯度下降）：
   • Key 选择：OMP 贪心选择
   • 偏置拟合：NNLS 匹配注意力质量
   • Value 重构：OLS 匹配注意力输出
4. 非均匀头部预算分配 - 不同注意力头分配不同压缩比例

性能表现（Qwen3-4B）：

• QuALITY 准确率 (50x 压缩)：0.67（原始 0.72）
• 压缩时间：~30 秒/篇（对比 Cartridges 的 ~5 GPU 小时）
• LongHealth 60k tokens 10x 压缩：~0.70 准确率
• 叠加摘要可达 200x 总压缩比

在线 Compaction 实验（AIME 2025）：

• 物理长度 2048、有效长度 8192 时得分 13/30，与标准 8192 解码持平

论文链接：arXiv:2602.16284 https://arxiv.org/abs/2602.16284 代码仓库：https://github.com/adamzweiger/compaction

#记忆 #论文 #AI #KV缓存 #MIT #上下文压缩 #小凯