北大提出 MapFlow 方案 实现跨模型注意力复用 跨模型上下文交接无需重算 KV

北大新提出的 MapFlow 技术,解决了大模型切换的时候上下文 KV 缓存必须重新计算的痛点,传统方案在跨模型上下文交接时,A 模型算好的

北大 MapFlow 方案落地不靠 KV 缓存,实现跨模型注意力复用提速

北大 PKU-DAIR 团队推出的 MapFlow,解决了 AI Agent 多模型接力时必须重新计算 KV 缓存的老问题,它不走直接迁移 KV 的老路,转

北大 MapFlow跨模型复用注意力图,免去切换模型重复计算 KV

在多模型路由、AI Agent 串联的业务里面,大模型读完长上下文之后交给另一款异构模型接手,传统方案必须重新跑一遍 Prefill、从头生成整