12. KVP：RL 驱动 KV Cache 驱逐策略

  • 类型：arxiv
  • 标识：2602.10238
  • 链接：https://arxiv.org/abs/2602.10238
  • 主题：agent, database, engineering, evaluation, llm-infra, rag
  • 主分类：llm-infra
  • 形态：method
  • 被引：4
  • 被引来源：Semantic Scholar
  • S2被引：4
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：KV Policy (KVP), a framework of lightweight per-head RL agents trained on pre-computed generation traces using only key and value vectors, is introduced, demonstrating that learning to predict future token utility is a powerful and scalable paradigm for adaptive KV cache management.
  • OpenAlex ID：W7128714544
  • OpenAlex DOI：10.48550/arxiv.2602.10238
  • DOI：10.48550/arxiv.2602.10238
  • DOI来源：OpenAlex
  • OpenAlex Venue：Open MIND
  • Venue：Open MIND
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • OpenAlex更新：2026-07-19
  • TLDR中文：本文提出 KV Policy (KVP)，一种仅基于 key 与 value 向量、在预计算生成轨迹上训练的轻量级 per-head RL Agent 框架，证明学习预测未来 token 效用是自适应 KV cache 管理中强大且可扩展的范式。
  • 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

    1. Novel Attention：FlashAttention 等新机制降低缓存需求
    1. Combination：多策略联合
    • 核心数据：
    • 内存占用随 context length 线性增长（1M token 上下文 = 巨大瓶颈）
    • 现有方法在内存/精度/吞吐量之间的权衡矩阵
    • 评价： 系统性梳理 KV cache 问题的必读综述；适合作为推理优化技术选型的基础
    • 标签： kv-cache inference-optimization llm arXiv survey
    • 来源： arXiv:2602.10238v1

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