2nd/10_Wiki/Topics/AI_and_ML/KV Cache Compression.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-kv-cache-compression	KV Cache Compression	10_Wiki/Topics	needs_review	self	P-Reinforce-AUTO-KVCP-001	none	A	1.0	auto-reinforced kv-cache-compression attention-optimization thin-kv eviction-policy		2026-05-04	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

KV Cache Compression

📌 한 줄 통찰 (The Karpathy Summary)

"기억의 다이어트: 모든 정보를 무작정 들고 있는 대신, 맥락에 덜 중요한 토큰을 선별적으로 삭제하거나 압축함으로써 한정된 VRAM 안에서 무한에 가까운 문맥을 수용하려는 고도의 최적화 전략."

📖 구조화된 지식 (Synthesized Content)

KV 캐시 압축(KV Cache Compression)은 메모리 사용량을 줄여 더 긴 시퀀스를 처리하거나 처리량을 높이기 위해, 중요도가 낮은 KV 데이터를 제거하거나 요약하는 기법입니다.

1. 주요 전략:
   • 축출 (Eviction): 어텐션 점수가 낮거나 정보 가치가 적은 토큰의 K, V 값을 캐시에서 삭제합니다. (예: StreamingLLM, H2O)
   • 병합 (Merging/Pooling): 유사한 의미를 가진 여러 토큰의 KV 값을 하나로 합쳐서 저장합니다.
   • 동적 선택: 추론 시 모델이 스스로 어떤 정보를 기억하고 어떤 정보를 잊을지 결정하게 합니다.
2. ThinKV (최신 사례):
   • 논리적 '생각(Thought)'의 중요도에 따라 덜 중요한 KV 캐시 토큰을 선제적으로 비우고, 별도의 압축 오버헤드 없이 메모리 슬롯을 제자리에서 재사용(In-place reuse)하는 하이브리드 압축 프레임워크입니다.
3. 장점:
   • 메모리 풋프린트를 50%~90% 이상 획기적으로 줄일 수 있습니다.
   • 하드웨어 증설 없이 소프트웨어만으로 더 긴 컨텍스트 윈도우를 확보합니다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 정확도 손실: 중요한 토큰이 축출될 경우 모델의 추론 논리가 깨지거나 환각(Hallucination)이 발생할 수 있습니다.
• 연산 오버헤드: 어떤 토큰을 버릴지 계산하는 과정 자체가 추가적인 지연 시간(Latency)을 발생시킬 수 있습니다.

🔗 지식 연결 (Graph)

• 상위 개념: Key-Value (KV) Cache
• 연관 기술: Sparse Attention, KV Cache Quantization, ThinKV, StreamingLLM

---

Last updated: 2026-05-04

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)