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
4 条 · 点击可看原文全文与中文译文
RoLaQ 是一种面向多头潜在注意力（MLA）的离线校准方法，通过联合优化子空间旋转与量化范围，将 KV 缓存压缩至 2 比特。它在三个 MLA 模型、六个基准上取得同类 2 比特方法最高平均精度，并在 DeepSeek-V2-Lite 上实现 3.96 倍 KV 容量与 2.51 倍解码吞吐，显著降低长上下文推理显存开销。
AbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。
Velox是一种免训练的注意力路由方法，利用流式几何中的视锥板对应关系做区域级上下文选择，将历史块表示为带深度区间的相机视锥板，从而抑制随 rollout 增长的 KV 缓存开销。在第48块时注意力加速4.36倍、去噪加速2.43倍，WBench导航任务精度仅差0.15分，让长视频世界模型交互更实时。
针对少步自回归视频生成中所有 token 都跑完最终去噪步的浪费问题，提出 Speculative Forcing 框架，将中间干净估计作为草稿，预测哪些 token 可提前接受并冻结，同时保留其 KV 缓存作为上下文。在短视频、长视频和世界生成任务上保持全步采样质量，LongLive 上每 token 约 1.7 步去噪、提速超 1.5 倍。
现有资料不足以系统回答「隐式思维链（latent CoT）方向的代表性 KV 压缩方法」这一问题——4 条资料中只有 1 条明确针对长推理链的 KV 压缩，其余分别面向 MLA 量化、视频世界模型与视频生成，与 latent CoT 无直接对应关系。以下仅列出资料中可确认的相关内容，并标明其真实适用范围。 1. 与「长推理链压缩」最直接相关的一条
2. 属于 KV 压缩但面向 MLA 架构，非 CoT 专用
3. 属于「抑制 KV 缓存增长」但场景为视频，不可直接迁移结论
结论：若你的问题是「latent CoT 场景下有哪些代表性 KV 压缩方法」，现有资料不足以回答，只能确认 AbridgeKV 是其中唯一直接针对长推理链缓存压缩的条目2，RoLaQ 提供 MLA 上的 2 比特量化路线1，Velox 与 Speculative Forcing 的 KV 相关机制均属视频生成场景34，不能作为 latent CoT 方法的证据。