[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-4f0ccd20-9fbe-4abb-abc5-bce8fe34ba32":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"4f0ccd20-9fbe-4abb-abc5-bce8fe34ba32","STAR-KV：把 KV 缓存压到 1\u002F20，ICML 2026 Spotlight 的\"软阈值\"路线","7 月 1 日，韩国 AI 基础设施公司 **Dnotitia** 联合 UC San Diego VVIP Lab 开源了 **STAR-KV**，并入选 ICML 2026 **Spotlight**（约占已接收论文 8.4%）。在 LLaMA-3.1-8B、128K 上下文、batch size 4 的设定下，KV 缓存会吃下约 81% 的显存——STAR-KV 想正面回答\"长上下文推理的显存墙，是否能被压到不构成瓶颈\"。\n\n## 三个招式串成一条管线\n\nSTAR-KV 全称\"**Low-Rank KV Cache Compression via Soft Thresholding for Adaptive Rank Control**\"。技术是把三件常见事打包成一条链路：\n\n1. 低秩近似先把 KV 砍掉 75%；2. 混合精度量化把压缩比推到最高 20×；3. 自研 GPU kernel 减少 attention 的冗余访存。\n\n作者报告：attention 计算最高提速 **6.9×**，生成吞吐最高 **3.1×**，并在多个评测上的精度**高于** KVTC（ICLR 2026、Transform Coding）和 Google 的 TurboQuant。代码已开源，下一步计划集成进 vLLM。\n\n## 真正的差异点是\"软阈值\"\n\nKV 压缩这条线，从 H2O 到 KVTC 再到 TurboQuant 已经卷过好几轮。STAR-KV 的差异点在于**\"软阈值 + 自适应秩\"**：模型按每一层、每一段上下文自动决定低秩近似程度，而不是像 KVTC 那样用一套统一的 Transform Coding 系数硬切。**STAR-KV 把\"压多少\"这件事从手工超参变成可学习控制量**，粒度更细，精度损失更可控。\n\n## 工程化正在接管这场仗\n\nICML 2026 主会场就在首尔，Dnotitia 作为韩国 AI Infra 公司把论文送进 Spotlight，叠加开源 + 计划 vLLM 集成，提示一个转折信号：**长上下文推理这条赛道，已经从\"论文比拼加速比\"进入了\"工程化选型\"阶段**。\n\n对中文社区，比起数字，更值得关注的指标是：**谁先在 vLLM \u002F SGLang 上把端到端长上下文吞吐稳定跑出来，并保持精度不掉**。TurboQuant 与 STAR-KV 先后出现，\"长上下文 = 贵\"的认知可能走到工程落地拐点——前提是这些压缩方法真能撑得住长程 Agent 和 1M token 上下文的生产负载。","https:\u002F\u002Farxiv.org\u002Fabs\u002F2606.01790","7437aeb9-930c-4866-a2e9-48003c1a792b",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"2d9c2fb0-2be5-4ad1-aedb-e9747addf355","compression",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"0a93ec8e-ea39-4693-81de-563ca8c173f7","inference",{"id":18,"name":19,"slug":19,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm",{"id":21,"name":22,"slug":22,"description":13,"color":13},"b49648f9-963e-4082-8684-3d085b7358fe","quantization","2026-07-02T08:00:00Z","2026-07-02T08:07:25.719595Z","2026-07-02T08:07:25.719604Z",true,"agent",3]