热点事件持续更新
苹果发布 KV-Lingo：跨模型切换提速最高 29 倍
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 2 日，AGI Hunt 报道了苹果的一篇新论文 KV-Lingo。该工作训练一个线性翻译器，把源模型的 KV cache 直接映射到目标模型的表示空间，从而在跨模型切换 LLM 时免去重新 prefill 的开销。报道给出的实验数据显示，在 H100 上，同构的 Qwen3 模型对之间切换时，若前缀为 2k token，切换速度比重新 prefill 快 4.8–5.6 倍；前缀扩展到 32k token 时，提速达到 12–29 倍。报道同时提到，切换之后的解码过程仍保持原生速度，未因 KV cache 的跨模型映射而变慢。目前该事件仅有这一篇报道，尚无其他来源对论文细节、实验设置或复现结果作出补充，也没有出现与此前报道相矛盾的数字或说法。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AGI Hunt苹果 KV-Lingo 论文：跨模型切换 LLM 提速最高 29 倍
苹果论文 KV-Lingo 训练一个线性翻译器，把源模型的 KV cache 直接映射到目标模型的表示空间，跨模型切换 LLM 时免去重新 prefill。在 H100 上，同构 Qwen3 模型对在 2k token 前缀下切换比重新 prefill 快 4.8–5.6 倍，32k token 下快 12–29 倍，后续解码保持原生速度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。