GateRQ: 门控记忆层提升 Flash 推理效率
热点事件持续更新
GateRQ: 门控记忆层提升 Flash 推理效率
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 10 月 28 日，Tianqi Chen 等团队在 arXiv 发布研究，针对量化条件内存中基于访问频率优化反而变差的问题，提出 GateRQ 方法。 GateRQ利用门控信号决定检索精度，无需重训即可运行。该方法将数据行存储为 1-bit 残差码阶梯，将第 1 层保留在 GPU 内存中计算门控，仅对门控排名最高的查询读取更深层级。 在 DeepSeek-V4.1-Flash 模型上，GateRQ 使 GPU 表内存减少 7.8 倍，vLLM 吞吐量提升 11%-31%，且 PopQA 分数仅损失 1 点（在 1.50 bits 读取精度下）。在 2.10 bits 精度下，两个模型的 PopQA 分数损失仅为 0.2 点。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
GateRQ 实现 DeepSeek-V4.1-Flash 量化条件内存的按需精度加载报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIGateRQ 实现 DeepSeek-V4.1-Flash 量化条件内存的按需精度加载
针对量化条件内存中基于访问频率优化反而变差的问题，GateRQ 利用门控信号决定检索精度，无需重训即可运行。 在 DeepSeek-V4.1-Flash 上，GateRQ 使 GPU 表内存减少 7.8 倍，vLLM 吞吐量提升 11%-31%，且 PopQA 分数仅损失 1 点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。