待验证50% 置信事实精确时间
AttSVD是一种无需重新训练的KV缓存压缩方案，通过注意力引导的SVD在特征轴上对KV缓存进行低秩压缩
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
已验证SVD是PCA降维、推荐系统矩阵分解以及LoRA低秩适配微调方法的数学核心69% 相似待验证LoRA（Low-Rank Adaptation）的核心思想是利用 SVD 的低秩近似原理，将大模型微调成本压缩至可在消费级 GPU 上运行的规模66% 相似已验证SVD（奇异值分解）可以将任意矩阵分解为三个矩阵的乘积，是推荐系统矩阵分解、图像压缩和潜在语义分析（LSA）的数学基础61% 相似待验证DnR FlatPic 最初的 PNG 转 SVG 功能基于 VTracer 1.0.0-alpha.3 版本，通过 Node/WASM 调用58% 相似待验证v0.30.0 简化了 KDA、AttnRes 与 MLA 相关的执行流程，并为部分模型加入 MXFP8 KV 缓存与异步 Engram 机制58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983251API
curl https://kongchang.com/api/v1/knowledge/claims/983251MCP
get_claim(id=983251)