KV Cache는 LLM의 추론 속도를 높여주는 중요한 최적화 기술이다.
LLM은 텍스트를 한 토큰씩 생성하며, KV Cache를 사용하면 이전에 계산된 Key와 Value 텐서를 저장해 중복 계산을 줄인다. 이로 인해 새로운 토큰을 생성할 때 필요한 계산량이 감소하며, 자동 회귀 생성 과정에서 발생하는 많은 중복 작업을 제거할 수 있다. 그러나 KV Cache가 늘어나는 컨텍스트 길이에 따라 메모리 소비를 증가시키는 단점도 있다.
KV Cache is a critical optimization technique that speeds up LLM inference.
LLMs generate text one token at a time, and using KV Cache allows for storing previously computed Key and Value tensors to reduce redundant calculations. This significantly decreases the computation required for generating new tokens during autoregressive generation. However, as the context length increases, the cache itself can grow large, which is a trade-off to consider.