| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
Tags
- catastrophic forgetting
- flashattention
- RLHF
- 트랜스포머
- chain-of-thought
- model context protocol
- re-ranking
- extended thinking
- CoT
- BLEU
- transformer
- 토크나이저
- Engineering at Anthropic
- fréchet inception distance
- Multi-Head Attention
- reinforcement learning from human feedback
- PEFT
- MHA
- rotary position embedding
- attention
- SK AI SUMMIT 2025
- gqa
- Positional Encoding
- Langchain
- Embedding
- context engineering
- self-attention
- langgraph
- test-time scaling
- MQA
Archives
- Today
- Total
목록kv cashing (1)
AI Engineer 공간 "사부작 사부작"
LLM 추론 효율성 극대화: KV 캐싱, MQA, GQA 심층 분석대규모 언어 모델(LLM)은 자연어 처리 분야에서 혁신적인 발전을 이끌고 있지만, 특히 텍스트를 순차적으로 생성하는 자기회귀(autoregressive) 방식의 디코더-온리 모델에서는 추론 과정에서의 엄청난 계산량과 메모리 사용량이라는 숙제를 안고 있습니다. 마치 긴 소설을 한 문장씩 이어서 쓰면서, 매번 새로운 문장을 쓸 때마다 앞서 쓴 모든 내용을 다시 검토해야 하는 작가의 고뇌와 비슷하다고 할 수 있습니다. 이러한 비효율성을 해결하고 LLM을 더 빠르고 경제적으로 활용하기 위해 다양한 최적화 기법들이 등장했는데, 그중에서도 KV 캐싱(KV Caching), 멀티-쿼리 어텐션(Multi-Query Attention, MQA), 그리고 ..
Theory/LLM Architectures
2025. 5. 17. 15:00