paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
DY

Dingyu Yao

NeurIPS 2026×3AAAI 2026ACL 2026强化学习与后训练多模态效率与系统推理可解释性
新星分新星
87
一作贡献70
核心/参与17
方向广度16
合作网络9
2 一作 · 5 篇 · NeurIPS 2026 / AAAI 2026 / ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

5
一作ACL 2026Poster· Natural Language Processing

V ec I nfer: Efficient LLM Inference with Low-Bit KV Cache via Outlier-Suppressed Vector Quantization

Dingyu Yao · Chenxu Yang · Zhengyang Tong · Zheng Lin · WEI LIU · Jian Luan · Weiping Wang

摘要

The Key-Value (KV) cache introduces substantial memory overhead during large language model (LLM) inference. Although existing vector quantization (VQ) methods reduce KV cache usage and provide flexible representational capacity across bit-widths, they suffer severe performance degradation at ult...

效率与系统推理可解释性OpenReview 项目页

常见合作者