TempoKV：自回归视频生成KV缓存量化
热点事件持续更新
TempoKV：自回归视频生成KV缓存量化
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026年10月14日，arXiv Computer Vision 刊出 Jiahui Hu 等作者的论文，提出 TempoKV——一个免训练的预测式 KV Cache 量化框架，用于自回归（AR）视频生成。该框架分别预测 key 和 value，只低精度存储残差，据称可实现最高 6.71 倍 KV Cache 压缩。论文称两个预测器均为轻量级，通过在一小批 BF16 样本上做线性回归一次性离线校准，并在不同提示词与生成运行之间保持固定。作者表示代码将在 GitHub 上发布。截至该报道，尚无后续跟进报道，压缩效果与免训练特性均来自论文自述。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
TempoKV：面向自回归视频生成的预测式 KV Cache 量化报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv Computer VisionTempoKV：面向自回归视频生成的预测式 KV Cache 量化
TempoKV 是一个免训练的预测式 KV Cache 量化框架，用于自回归视频生成，通过分别预测 key 和 value 并只低精度存储残差，实现最高 6.71 倍 KV Cache 压缩。
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。