跳转至

C²KV: Compressed and Composable KV Cache Reuse for Efficient LLM Inference

复现级别：核心机制 mini-suite。 本地只验证论文可独立实现的算法路径，不把小规模 NumPy 实验冒充原论文规模训练或线上结果。

论文信息

字段 内容
论文链接 arXiv 2607.17715
公司/机构 Shanghai Jiao Tong University
第一作者 Chuheng Du
首次公开日期 2026-07-20（arXiv v1）
原文开源代码 是：C2KV
Adapter c2kv
本地复现代码 src/auto_research/reproductions/c2kv/

原始论文总结

背景与主要改动

以 compression tokens 和结构化 attention 学习位置无关、可拼接的压缩 KV manifold，并联合训练压缩与复用。

flowchart LR
  X[固定公开 mini-suite] --> B[recent-window 对照]
  X --> M[c2kv 核心机制]
  B --> E[同样本评测]
  M --> E

原论文关键图

C²KV: Compressed and Composable KV Cache Reuse for Efficient LLM Inference 原论文 Figure 5

原论文 Figure 5（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。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

\[ Z=\operatorname{Extractor}(KV),\quad \hat y=F([Z_1;\ldots;Z_m]) \]

论文离线与线上效果

跨长上下文 benchmark 最高 17× 推理加速并保持生成质量。 这是原文口径；若原文没有工业 A/B，本页不会把本地结果写成线上收益。

本地复现

本地对照口径：基线为同样本 recent-window attention，实验组为 c2kv；单 seed 变化为 +76.56% 个百分点。

同一 seed、同一 64 条样本上，recent-window attention baseline accuracy 为 0.0781，c2kv 为 0.8438，绝对变化 +76.56 个百分点。单篇原始指标见 metrics/public-seed42.json，批次索引见 ../../experiments/historical-b07-b11-seed42.json。

auto-research reproduce --paper c2kv --seed 42

复现边界

本地使用固定长上下文/多模态/评测 mini-suite，未训练论文规模 checkpoint、未实现定制 CUDA kernel，也未复刻论文完整公开 benchmark。该实现用于确认核心数据流、公式和相对计算路径可执行。