回收·再入（QEvict）

QEvict 把 KV cache 的「删或留」改成三层路由：高重要性窗口保留全精度，中间窗口进入可恢复的低比特层，只有最低分窗口才永久移除。它针对的是一个常被忽略的事实：解码过程中，历史 token 的重要性会随 query 漂移，今天被判定无关的片段，明天可能重新获得注意力。1

这篇论文属于 arXiv cs.LG，并交叉列入 cs.CL；arXiv 的 2026 年 8 月 7 日新列表收录了它，摘要页显示 v1 于 2026 年 8 月 5 日提交。第一作者是 Ayushman Garg，作者单位包括印度理工学院鲁尔基分校的 Mehta Family School of Data Science and Artificial Intelligence，以及印度理工学院德里的 Yardi School of Artificial Intelligence 和电气工程系；论文首页没有单独标出通讯作者。23

歌里把核心数字压进了鼓点：在 32K RULER、Llama-3.1-8B-Instruct、20% KV 预算下，QEvict 的宏平均为 87.6，高于同内存的 Layer-DefensiveKV 86.4，也高于可比量化基线 79.0；它距离 Full-KV 只有 2.4 分。LongBench 的 20% 预算下，Llama / Mistral 分别为 46.4 / 37.8，对应最强同内存 eviction 基线的 44.0 / 37.4；预算压到 5% 时，论文报告的增益扩大到 +9.7 / +4.7。4

听的时候抓住最后一个反转：QEvict 不是免费魔法。当前实现要在路由时重建低比特窗口，并回退到 SDPA 取得注意力分数；用 FlashAttention-2 时，峰值显存从 29.54 GB 降到 20.78 GB，但重建与解量化开销会拖慢吞吐。论文只评估 decoder-only 模型、固定大小连续窗口，尚未覆盖自适应窗口边界。适合早高峰通勤时听：一刀删除的 cache，能不能给旧证据留一条回来的路。4