Новости
Eviction as Estimation: A Fixed-Lag Smoothing View of Test-Time Memory, and When Measuring Beats Accumulating
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers propose RMM, a fixed-lag smoothing approach to decide which cached tokens to keep in language models with bounded memory.
- Почему это важно
- Matters for engineers optimizing inference on resource-constrained systems where KV cache management directly impacts throughput and latency.
- На что обратить внимание
- Method matches existing approaches on standard benchmarks; gains appear only when token reuse is sharp and endogenous, not typical in real workloads.
Послушать это резюме
- llm
- language model
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.