AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 AbridgeKV 在 vLLM 中的实现改动涉及哪些模块？10 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答该问题。资料 1 是一篇关于轻度认知障碍（MCI）检测的论文摘要，介绍的是 CogDrift-4D 分层 4D Transformer 框架，用 18 个月七次无脚本多模态交互数据构建 Batch×Session×Time×Feature 张量，通过会话内回归斜率与跨会话递归交叉注意力建模行为衰退，并配合质量门过滤噪声，最终实现 MCI 检测准确率 0.7331。该摘要中没有涉及任何缓存压缩、压缩率、保留比例（如 1/8 缓存）或精度随压缩率变化的实验数据，因此无法给出“压缩率超过 4 倍时精度下降多少”的量化结论。资料中能确认的相关信息仅有：

该工作面向 MCI 检测任务，报告的整体准确率为 0.7331；
方法包含质量门过滤噪声机制1，但这与缓存压缩无关。

建议补充 KV cache 压缩 / 量化 / 稀疏化相关的实验资料后再作回答。

继续追问

CogDrift-4D 在 MCI 检测任务上的准确率 0.733 是与哪些基线方法对比得出的？有哪些资料涉及 KV cache 压缩率与精度损失的权衡实验？质量门过滤噪声机制具体如何实现，对准确率贡献多少？

参考来源

1 条

1站内CogDrift-4D: Hierarchical Multimodal Modeling of Temporal Behavioral Decay for MCI Detection提出 CogDrift-4D 分层 4D Transformer 框架，用 18 个月七次无脚本多模态交互数据构建 Batch×Session×Time×Feature 张量，通过会话内回归斜率与跨会话递归交叉注意力建模行为衰退，配合质量门过滤噪声，实现轻度认知障碍检测（准确率 0.733），为居家实时痴呆筛查提供可扩展方案。arXiv cs.LGhttps://arxiv.org/abs/2610.20877

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

行业

CogDrift-4D: Hierarchical Multimodal Modeling of Temporal Behavioral Decay for MCI Detection

提出 CogDrift-4D 分层 4D Transformer 框架，用 18 个月七次无脚本多模态交互数据构建 Batch×Session×Time×Feature 张量，通过会话内回归斜率与跨会话递归交叉注意力建模行为衰退，配合质量门过滤噪声，实现轻度认知障碍检测（准确率 0.733），为居家实时痴呆筛查提供可扩展方案。

行业落地·arXiv cs.LG·5 天前

#multimodal