推理大模型虽好，但一个简单的算数问题能推理整整三页，还都是重复的“废话”，找不到重点……一种可以把大模型的“碎碎念”转化为可控记忆条目的高效压缩方法，出现了！R-KV开源登场：显存↓90%、吞吐×6.6、准确率=100%。它可以通过实时对token进行排序，兼顾重要性和非冗余性，仅保留信息丰富且多样