SCOPE：面向大语言模型长序列生成的双阶段KV缓存优化框架

Key-Value (KV)缓存已成为大语言模型(LLM)长文本处理的关键性能瓶颈。当前研究尚未充分关注解码阶段的优化，这一阶段具有同等重要性，因为：

1、对需要完整上下文的场景，预填充阶段的过度压缩会显著降低模型的推理理解能力

2、在长输出推理任务中存在重要特征的显著偏移现象

这篇论文提出SCOPE框架，通过分离预填充与解码阶段的KV缓存优化策略，实现高效的缓存管理。该框架保留预填充阶段的关键KV缓存信息，同时引入基于滑动窗口的新型策略，用于解码阶段重要特征的高效选取。

关键发现

KV缓存的推理过程分析

LLM的每次请求包含两个独立阶段：预填充阶段处理完整输入提示以生成初始输出标记；解码阶段通过迭代方式逐个生成后续输出标记。

预填充阶段分析

下图展示了在完整解码缓存条件下，三个任务在不同预填充阶段压缩比率下的性能表现：

Long-Bench中的PassageRetrieval-en和HotpotQA任务表现出显著的压缩容忍度：即使在20%的预填充阶段压缩比率下，模型仍能保持与完整缓存相近的性能水平，证实了模型在高压缩率下维持上下文理解能力的鲁棒性。然而在LONGGENBENCH的GSM8k+任务中，同样的20%压缩率导致准确率下降约95%

实验结果表明：对于依赖完整上下文的推理任务，预填充阶段的过度压缩会导致显著的性能损失

 

https://avoid.overfit.cn/post/e5ac0b501a1e4a4fb62eedcf49cd8675