端到了长文本的kv cache上。”
“给key-value矩阵强做低秩投影，切掉尾部的奇异值，显存开销当场砍下去七成。”
“跑常规文本的perplexity，指标很稳，ppl几乎不掉点。”
“可一上niah的精确检索评测，recall就当场崩盘。”
“後来做可视化才定位到，attention矩阵的奇异值谱，是个极其极端的重尾分布。”
“模型里那几个专司精确检索的attention head，要在几十万个token里捞出那根‘针’，它们学到的特征向量全挤在谱的尾巴上。”
“我们把尾巴这麽一刀切，等於直接把这几个head的眼睛给挖了。”
“李东教授，您那套算法算zeta零点的时候，奇异值截断比我们猛得多，凭什麽您的尖峰特征就能无损保留？”
他说的问题，信息密度高得吓人。
周围几个竖着耳朵的参展商，已经不动声色地朝这边围拢了过来。
李东慢条斯理地开了口。
“你这个问题，算是摸到门道了。”
“但你们的方向，从一开始就歪了。”
万斯一怔：“错在哪？”
“错在你们想靠暴力的‘砍’去收敛边界。”
“在我的理论框架里，svd谱截断压根不是c位，那只是工程落地时顺手的後处理。”
“真正的杀招，是截断前的那次非线性流形重排。”
“零点，是zeta函数的特征指纹。”
“你说的精确检索，是全局序列的特征指纹，指纹这东西脾气很怪，选错了基底，你给它留再高的rank它也存不住，扔进正确的正交基底里，rank 1就足够表达了。”
“所以，你们直接在kv的原始特征空间里强做低秩，纯属南辕北辙。”
……略
“等特征重分布做完，你再去切奇异值，error bound（误差上界）自然就收敛了。”
万斯听得连呼吸都屏住了。
听起来……数学逻辑上完全能闭环啊！
“那、那这个非线性重构算子，该怎麽参数化？”他急切地追问。
“这就得看你们对自家数据分布的先验假设了。”李东高深莫测说道，“流形重构是同数据分布强绑定的，我总不能越俎代庖替你们去定义你们自己的预训练语料吧？”
万斯重重地点头。
有道理。
这话简直不能更有道理了。
“不过，”
李东随口地补了一句。
“我倒是好奇一件事。”
“你们费这麽大的劲，又是投影，又是重排，折腾来折腾去，无非是想把那坨越来越臃肿的cache压小一点，对吧？”
“那你们就没想过，干脆，把kv cache彻底扬了？”
万斯愣住了。
把cache扬了？
attention机制不带cache，那他妈还叫……
等等。
他的瞳孔，缓缓地放大了。
不知怎麽的，他脑子里那些散落了快一年的拚图碎片。
线性注意力（linear attention）的递推范式，状态空间模型（ssm）的隐状态方程，还有上个月组会上被他亲手毙掉的那份疯狂的rnn变体提案，在这一瞬间，被一条逻辑链猛地串了起来。
如果，hidden state不再是存放kv对的死仓库，而是一个活的“学生”呢？
万斯整个人，僵在了原地。
-->>(第3/5页)（本章未完，请点击下一页继续阅读）