Runtime-Certified Bounded-Error Quantized Attention
تقدم هذه الورقة بنية ذاكرة تخزين مؤقت (KV cache) متعددة المستويات تتيح انتباهًا مكممًا بحد خطأ محدد ومعتمد وقت التشغيل، وذلك عبر حساب حدود الخطأ عبر الإنترنت لتفعيل الاختيار التكيفي للدقة والرجوع الحتمي إلى صيغة FP16، مما يضمن الاستعادة إلى مخرجات الانتباه الكثيف الدقيقة مع الحفاظ على ضغط عالٍ لاستنتاج النماذج اللغوية الكبيرة ذات السياق الطويل.