H2O

提升大型语言模型推理效率的关键token识别技术

H2O项目提出了一种创新的KV缓存实现方法，通过识别对注意力分数贡献最大的少数token，显著减少了大型语言模型推理的内存占用。该项目引入了Heavy Hitter Oracle (H2O)作为KV缓存淘汰策略，在多个任务中验证了其准确性。在OPT-6.7B和OPT-30B模型上，H2O显著提高了推理吞吐量并减少了延迟，为大型语言模型的高效推理提供了新的解决方案。

H2O大语言模型KV缓存推理效率注意力机制Github开源项目

GitHub

H2O：大型语言模型高效生成推理的重要命中预测器

论文"H2O：大型语言模型高效生成推理的重要命中预测器"的代码

作者：Zhenyu Zhang, Ying Sheng, Tianyi Zhou, Tianlong Chen, Lianmin Zheng, Ruisi Cai, Zhao Song, Yuandong Tian, Christopher Ré, Clark Barrett, Zhangyang Wang, Beidi Chen

概述

尽管大型语言模型（LLMs）近期取得了令人印象深刻的成就，但其部署成本仍然非常高，特别是对于涉及长内容生成的应用，如对话系统和故事写作。通常，除了模型参数外，还需要在GPU内存中存储大量临时状态信息，即所谓的KV缓存，其规模与序列长度和批处理大小呈线性关系。本文提出了一种新颖的KV缓存实现方法，显著降低了其内存占用。我们的方法基于一个值得注意的观察：在计算注意力分数时，只有一小部分标记贡献了大部分价值。我们称这些标记为重要命中（H2）。通过全面研究，我们发现：(i) H2的出现是自然的，并且与文本中标记的频繁共现有很强的相关性；(ii) 移除它们会导致性能显著下降。基于这些洞见，我们提出了重要命中预测器（H2O），这是一种动态平衡保留最近和H2标记的KV缓存淘汰策略。我们将KV缓存淘汰问题表述为一个动态子模问题，并在温和假设下为我们的新颖淘汰算法提供理论保证，这可能有助于指导未来的工作。我们在广泛的任务中验证了我们算法在OPT、LLaMA和GPT-NeoX上的准确性。我们实现的H2O，使用20%的重要命中，在OPT-6.7B和OPT-30B上将吞吐量相比三个领先的推理系统DeepSpeed Zero-Inference、Hugging Face Accelerate和FlexGen分别提高了最多29倍、29倍和3倍。在相同的批处理大小下，H2O可以将延迟降低最多1.9倍。

内容

我们提供两段代码来实现大型语言模型高效生成推理的重要命中预测器：

h2o_flexgen：实现LLM生成的更高吞吐量，代码基于FlexGen。
h2o_hf：在不同基准测试上测试性能，代码基于Hugging Face。提供了模拟代码（掩蔽注意力矩阵）和实际KV丢弃实现（请参考h2o_hf/utils_real_drop）。

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE