13. TTKV：Temporal-Tiered KV Cache（HBM+DRAM 分层）

  • 类型：arxiv
  • 标识：2604.19769
  • 链接：https://arxiv.org/abs/2604.19769
  • 主题：agent, database, engineering, evaluation, llm-infra, rag
  • 主分类：llm-infra
  • 形态：method
  • 被引：1
  • 被引来源：Semantic Scholar
  • S2被引：1
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：TTKV is proposed, a KV cache management framework that maps the human memory system onto the KV cache with heterogeneous capacity and precision, and reduces cross-tier traffic by 5.94x on 128K-context tasks.
  • OpenAlex ID：W7155398280
  • OpenAlex DOI：10.48550/arxiv.2604.19769
  • DOI：10.48550/arxiv.2604.19769
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2604.19769
  • OpenAlex更新：2026-07-19
  • 标题中文：13. TTKV：Temporal-Tiered KV Cache（HBM+DRAM 分层）
  • TLDR中文：本文提出 TTKV，一种 KV cache 管理框架，将人类记忆系统映射到具备异构容量与精度的 KV cache 上，在 128K 上下文任务上将跨层流量降低 5.94 倍。
  • 待LLM分类：否
  • 来源文件：
  • /inbox/jay/2026-06-11-database-backend-cloudnative-inference.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • 核心观点：
    • 现有方法（按最近性/注意力分数）均为间接代理，无法预测 token 未来价值
    • 提出 KV Policy (KVP)：轻量级 per-head RL agent，在预计算生成轨迹上训练
    • 不修改底层 LLM，不增加推理开销
    • 创新点： 将 KV cache eviction 重新定义为 ranking 问题（而非分类问题）
    • 评价： Learning to Evict 方向值得关注；工程落地需要训练 pipeline 配合
    • 标签： kv-cache reinforcement-learning inference llm
    • 来源： arXiv:2604.19769v1

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于系统实现、实验平台或工程约束说明。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集