arXiv 2026年10月5日作者在三个模型（1.5B–8B）和三种任务场景（needle retrieval、长思维链、多轮回忆）中测量注意力头的读取行为，发现多数头在生成过程中至少改变一次读取行为，于是提出 WakeKV：一种反应式驻留策略，把降温的头移到可恢复的 CPU reservoir，而不是冻结或永久驱逐其状态；在匹配内存或预算下，WakeKV 相对冻结分类与破坏性驱逐一致改善 miss rate，并在 Mistral-7B 的 FlexiCache/vLLM 实现上提升吞吐同时保持 LongBench 质量。作者在三个模型（1.5B–8B）和三种任务场景（needle retrieval、长思维链、多轮回忆）中测量注意力头的读取行为，发现多数头在生成过程中至少改变一次读取行为，于是提出 WakeKV：一种反应式驻留策略，把降温的头移到可恢复的 CPU reservoir，而不是冻结或永久驱逐其状态；在匹配内存或预算下，WakeKV 相对冻结分类与破坏性驱逐一致改善 miss rate，并在 Mistral-7B 的 FlexiCache/vLLM 实现上提升吞吐同时保持 LongBench 质量。WakeKV 用可恢复 CPU 驻留替代冻结式 KV 压缩，在匹配内存下降低 miss rate 并提升吞吐作者在三个模型（1.5B–8B）和三种任务场景（needle retrieval、长思维链、多轮回忆）中测量注意力头的读取行为，发现多数头在生成过程中至少改变一次读取行为，于是提出 WakeKV：一种反应式驻留策略，把降温的头移到可恢复的 CPU reservoir，而不是冻结或永久驱逐其状态；在匹配内存或预算下，WakeKV 相对冻结分类与破坏性驱逐一致改善 miss rate，并在 Mistral-7B 的 FlexiCache/vLLM 实现上提升吞吐同时保持 LongBench 质量。作者在三个模型（1.5B–8B）和三种任务场景（needle retrieval、长思维链、多轮回忆）中测量注意力头的读取行为，发现多数头在生成过程中至少改变一次读取行为，于是提出 WakeKV：一种反应式驻留策略，把降温的头移到可恢复的 CPU reservoir，而不是冻结或永久驱逐其状态；在匹配内存或预算下，WakeKV 相对冻结分类与破坏性驱逐一致改善 miss rate，并在 Mistral-7B 的 FlexiCache/vLLM 实现上提升吞吐同时保持 LongBench 质量。