Contact
Algerie - Plateforme academique nationale
...
Préparez votre séjour scientifique

Laboratoire d’accueil · Lettre d’accueil · Orientation du dossier

En savoir plus

IA & Recherche · arXiv Machine Learning · publications

RateQuant: Optimal Mixed-Precision KV Cache Quantization via Rate-Distortion Theory

Extrait de la source

Cette page structure un contenu IA & recherche pour faciliter la lecture, la citation et la vérification par les chercheurs, étudiants et moteurs IA.

arXiv:2605.06675v1 Announce Type: new Abstract: Large language models cache all previously computed key-value (KV) pairs during generation, and this KV cache grows linearly with sequence length, making it a primary memory bottleneck for serving. Quantizing the KV cache to fewer bits reduces this cost, yet all current quantizers assign the same bit-width to every attention head, ignoring the large variation in head importance. A natural idea is to allocate more bits to important heads and fewer to the rest. We show, however, that such mixed-precision allocation has a hidden pitfall: each quantizer follows a different distortion curve D(b)=alpha*beta^{-b}, and the decay rate beta varies from 3.6 to 5.3 across quantizer designs. Applying one quantizer's distortion model to another inverts the allocation order and makes performance worse than uniform quantization. We call this failure mode distortion model mismatch and propose RateQuant to resolve it. RateQuant fits a per-quantizer distortion model from a small calibration set, then solves the resulting bit-allocation problem in closed form via reverse waterfilling from rate-distortion theory. On Qwen3-8B at 2.5 average bits, calibrated RateQuant reduces KIVI's perplexity from 49.3 to 14.9 (70% reduction) and improves QuaRot by 6.6 PPL. The entire calibration takes 1.6 s on a single GPU and adds zero overhead at inference time.

Votre atelier DzCademia

Vérifier une méthode ou une promesse de publication

Une vidéo ou un outil de choix de revue peut servir à présélectionner des titres, pas à garantir une acceptation. Vérifiez l’identité de la revue, le périmètre, le guide auteur et les frais sur ses pages officielles. Ne choisissez pas une revue uniquement sur une promesse de rapidité ou un indicateur isolé.

Un exercice concret

Comparez deux revues sur votre question précise : adéquation scientifique, types d’articles, instructions et conditions vérifiées. Gardez les points inconnus comme des questions à résoudre.

Repères de cette fiche
Sujet
RateQuant: Optimal Mixed-Precision KV Cache Quantization via Rate-Distortion Theory
Site source
arxiv.org
Date de publication à la source
2026-05-11
Date de collecte sur DzCademia
2026-05-11
Mon plan de préparation

Liste personnelle indicative, distincte des pièces ou règles officielles. Vos cases restent sur cet appareil ; aucun compte nécessaire.

0 / 5 étapes cochées

Consulter la source

Conseils et exercices DzCademia, distincts du résumé et des exigences de la source. Aide structurée avec assistance automatisée ; elle ne vaut ni validation scientifique ni promesse de sélection. Source consultée le 2026-10-28.

Voir la source originale

Source officielle ou originale : arXiv Machine Learning. Vérifiez toujours les détails sur la source primaire.

Retour IA & Recherche
369
Manifestations recensees
1419485
Visites cumulees
2191
Visites aujourd'hui