上海交通大学EPIC Lab团队提出了一种无需训练、即插即用的高效推理缓存机制：dLLM-Cache。
其核心思想在于，在一个多步去噪过程中，复用相邻时间步上变化较小的特征，仅更新那些变化较大的特征，从而实现了计算量的大幅降低，并保持了原有的生成质量。
1. 训练无关，即插即用。dLLM-Cache完全在推理过程中工作，无需修改模型参数或重训练。dLLM-Cache可以在完全不损失模型输出质量的前提下，带来最高9.1倍的推理速度提升 。
4. 独创了以V-verify机制为核心的选择更新策略。以Value向量的变化为选择基准，成功识别出了response部分变化较大的那些tokens，通过仅更新这些特征，摒弃了高达75%的冗余计算。
本论文共同第一作者刘知远和杨奕存是哈尔滨工业大学2022级本科生，目前在上海交通大学EPIC Lab进行科研实习，师从张林峰助理教授，主要研究方向为高效深度学习，此前曾在CVPR2025上收获满分论文。
基于扩散的大语言模型正成为语言生成领域最受关注的新范式之一。随着模型架构的发展、去噪算法的优化以及Masked Diffusion在语言建模中逐步展现出与自回归模型不同的建模能力，这类模型正在逐步成为挑战 GPT 等主流模型的重要力量。
以LLaDA、Dream为代表的扩散语言模型，基于迭代去噪的生成过程，不再依赖严格的自回归因果结构，天然支持双向建模、全局依赖和反向推理等能力，已经在“逆转诅咒”、数学推理等任务上展现出领先性能。
然而，这种范式的优势也伴随着巨大的代价。为了确保生成的质量，dLLMs在推理过程中通常需要执行长达数百步的去噪迭代，每一步都需重新计算attention、FFN等所有层的特征，计算量相当于多次完整前向传播。这为dLLMs的推理效率带来了严重的瓶颈，制约了其实际部署。更重要的是，主流的加速手段如用于自回归模型的KV Cache，由于不兼容双向注意力架构，在dLLMs中完全失效。
与传统的自回归语言模型不同，dLLMs不再依赖顺序生成下一个token，而是采用随机遮蔽(mask) + 逐步还原的方式建模token分布，这种机制使得模型具备天然的双向建模能力，理论上能够更好地处理逆向逻辑、长距离依赖等任务。
LLaDA 等模型已经在多个基准任务中超越主流ARMs，尤其在“逆转诅咒”上明显胜出。
然而，这种扩散式推理带来一个严重的挑战：为了确保生成质量，dLLMs通常需要上百步的去噪迭代，每一步都需全量计算Attention、FFN等模块，导致其推理速度相比ARMs慢一个数量级，落地成本高。同时，ARMs 通用的加速方法如KV-Cache因dLLMs的双向注意力设计而无法兼容。这些造成了dLLMs在推理时既慢又缺乏加速手段的现象。这正是 dLLM-Cache所要破解的核心问题。
Prompt tokens的特征在整个去噪过程中基本保持稳定，每一步都重新计算这些特征是完全不必要且浪费计算资源的；
由此，问题转化为了如何高效识别出这些变化剧烈的response tokens。
本文作者首创性得提出了V-verify机制。它的提出源于另一项重要的发现：作者量化了response tokens的底层特征（Key, Value向量）的变化与其上层复杂特征（Attention Output, FFN Output）的变化之间的关系，结果显示它们存在着极强的正相关性，皮尔逊相关系数最高可达0.944。
这意味着，一个token底层的Value向量是否发生变化，是其整体状态是否发生改变的一个极佳的、且计算成本极低的“指示器”。
基于以上这些关键的观察，本文作者提出了dLLM-Cache ，具体的框架设计如下：
对于prompt部分，作者设计了长间隔Prompt缓存，每隔Kp步（在实验中一般设置为100）更新一次prompt的Key、Value、Attention Output、FFN Output，其余步骤全部复用先前结果。这样避免了对稳定不变的特征的重复计算，大幅减少了计算量
对生成目标response区域，由于response tokens的特征并不是一直保持稳定不变的，作者设计了较短间隔的Response缓存，每隔Kr步（在实验中一般设置为8左右）全量更新一次response的Key、Value、Attention Output、FFN Output，在其余的步骤，作者提出了基于V-verify的自适应缓存策略
在每个去噪步骤，首先计算所有response tokens最新的Value向量。然后，通过计算新Value向量与缓存中旧Value向量的余弦相似度，将余弦相似度作为每个response tokens的一个“变化分”。选出“变化分”最高（即相似度最低）的极少数tokens（例如，变化最剧烈的25%），将它们标记为“待更新” 。最后，模型只对这些被标记的“待更新”tokens，进行完整的特征重计算。而其余75%的“稳定”tokens，则继续高效地从缓存中复用其特征
通过这种“长间隔”与“自适应”相结合的缓存策略，dLLM-Cache在Transformer的每一层都实现了计算量的极致优化，且整个过程无需任何额外训练，做到了线 实验结果
本文在 LLaDA 8B和Dream 7B两大代表性的开源dLLM的基础版与指令微调版上，针对数学与科学、通用任务、代码生成三大领域的8个主流基准测试，对dLLM-Cache的有效性进行了严苛的检验 。评估维度不仅包括推理速度（TPS）计算效率（FLOPs），更核心的是模型性能得分（Score），以确保加速不是以牺牲模型能力为代价
本文在LLaDA 8B的基础版和指令微调版上都部署了dLLM-Cache，下图的实验结果充分展示了其强大的加速能力和卓越的生成质量保持。在几乎所有的基准测试中，达到了5倍以上的加速效果，且在绝大部分情况下，生成质量都没有降低，甚至有轻微的提升。特别是当面对LongBench任务时，prompt的稳定性带来了更显著的加速效果，在HotpotQA上实现了高达9.1倍的无损加速
为了进一步证明dLLM-Cache的通用性和鲁棒性，作者将其无缝迁移至另一款架构略有不同的dLLM——Dream 7B上。下图的实验结果再次印证了dLLM-Cache方法的有效性，充分说明了其通用于主流dLLM架构
作者还将dLLM和主流的基于ARM的LLM进行了对比，下图展示了LLaDA 8B与LLaMA3 8B在GSM8K任务上的比较。结果显示，原始的LLaDA在准确率上以近20个点的巨大优势领先于LLaMA3，但在推理速度上却远不及。然而，在使用了本文的dLLM-Cache之后，LLaDA的推理速度获得了超过3.3倍的提升，首次超过了LLaMA3的推理速度。这一结果有力地证明，本文提出的dLLM-Cache能够让dLLMs在保持其显著准确率优势的同时，获得与ARMs相当竞争力的推理速度
最后我呼吁大家一起关心国防、热爱国防、建设国防，心系国家安全与国防建设。回顾历史，我们不难发现一八四零年以来单靠政府和军队建设国防是片面的，例如淞沪会战，必须每一个人参与到国防建设当中，参与到保家卫国之中。在共和国前进的征程上，不知倒下了多少中华民族的英雄儿女，我们这一代人也绝不会逊色，我们愿用我们的生命捍卫共和国的蓝天!
时事2：pg免费送2000试玩金05月21日,包银高铁银巴支线“接触网第一杆”组立,
青年是祖国的未来，是民族的希望，在任何一个时代中，青年都是社会上最有朝气，最富有创造性最富有生命力的群体。在中国的领导下，中国共青团团结和带领广大团员青年在革命、建设、改革的广阔舞台上，创造了令世人赞叹的业绩，涌现了一大批可歌可泣的先进模范人物。历史充分证明，中国共青团不愧为党的忠实助手和后备军，不愧为党联系青年的牢固桥梁和纽带。
时事3：千亿国际下载05月21日,两万跑者齐聚湖北孝感 脚步丈量孝文化名城,
“消防安全记心中”，这句话人人都明白，可是又有谁去做了，谁把这句话真正的刻在了心上?前不久，又发生了火灾!当时，店里油条已经炸得差不多了，店主试图把用来摆放热油条下头的油盆拿开，但搬的时候，不细心油盆斜了一下，油滴进了燃烧正旺的煤炉，立刻火势就上来了。范大妈说，当时，大家都慌乱了，不明白怎样才好。有的拿水浇，有的拿灭火器扑，4个干粉灭火器用完了都没把火扑灭，还好消防队员及时赶到。
小不点呆呆出神，看着碧蓝的湖泊中跃起的密布有金色鳞片的龙须鱼，还有岸边那数十头独角兽等，他神色恍惚，喃喃自语，道：“好像在哪里看到过，一个很大的湖泊，鸟儿比这些小鸾鸟还要绚丽，更加巨大，王侯狩猎……”
05月21日,柬埔寨德崇扶南运河项目开工,小不点才不管这些，这里是初始地，无论谁来了，都要被压制到搬血境，他无所畏惧。,bet356亚洲体育在线,米乐全站APP,中国买球有哪些是正规的。
05月21日,国务院新闻办公室发布《中国的反法律制度体系与实践》白皮书,今天（6月13日），华北平原等地高温仍处于鼎盛状态，河北中南部、山东西北部、河南中北部可能出现成片40℃，部分地区最高可能有43℃甚至44℃，可能接近或打破6月最高纪录甚至观测史纪录。,斗牛免费哪个app好,九五至尊网站多少,伟德官方网站。
新闻信息服务许可证音像制品出版许可证广播电视节目制作经营许可证网络视听许可证网络文化经营许可证山东省互联网传媒集团主办联系电话 违法不良信息举报电话