跳转至

OmniKVQuant: KV Cache Quantization for Omni-LLMs

复现级别：L1 核心机制诊断。 本地执行 2-bit 窗口量化和模态独立旋转的 NumPy reference；Triton kernel 另需 A100/A30 验证。

论文信息

字段 内容
论文链接 OmniKVQuant: KV Cache Quantization for Omni-LLMs
公司/机构 KAIST（按第一作者署名单位）
首次公开日期 2026-09-10
原文开源代码 是：https://github.com/kaistmm/OmniKVQuant
Adapter / 方法 omnikvquant
本地复现代码 src/auto_research/foundation_latest_20260914.py

原始论文总结

背景与主要改动

按短时间窗确定 key 量化范围，并按模态分别旋转 value，处理 temporal drift 与异构几何。

flowchart LR
  I[输入与公开状态] --> M[omnikvquant 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或更新]

原论文关键图

OmniKVQuant: KV Cache Quantization for Omni-LLMs 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式或操作

本地代码把论文决定性操作实现为确定性的 reference kernel，并显式输出门控、选择、投影、图边或状态更新统计；测试覆盖公式不变量和边界条件。

论文离线与线上效果

Qwen2.5-Omni 在七个视听 benchmark 上以 2-bit KV 保留 98.1% FP16 表现。 这些数字来自原论文，不与本地缩小实验直接比较；论文未报告线上 A/B 时不推断线上收益。

本地复现

三种子指标见 metrics/mechanism-seeds42-44.json。所有候选使用相同公开 fixture、预算和 seed；本页结果只证明核心状态转换实际执行。

复现边界

本地执行 2-bit 窗口量化和模态独立旋转的 NumPy reference；Triton kernel 另需 A100/A30 验证。