SeKV：结合层级语义记忆的分辨率自适应 KV Cache

SeKV提出一种分辨率自适应的语义KV缓存：将上下文按熵划分为语义跨度，在GPU保存轻量摘要向量，并把低秩SVD基存于CPU，解码时通过训练的zoom-in机制按需重建相关跨度的 token 级细节。在128K上下文下，相比完整KV缓存降低53.3% GPU内存，并较最强语义压缩基线平均提升5.9%，仅增加少于0.05%的可训练参数。