**KV4-RL：通过 INT4 KV 缓存量化加速强化学习推理**

_KV4-RL: Unlocking Faster Asynchronous Rollouts for RLVR with INT4 KV Cache Quantization_

> 研究提出 KV4-RL 技术，通过对 KV 缓存进行 INT4 量化并结合选择性 INT8 保护，显著提升具有可验证奖励的强化学习（RLVR）效率。在 Qwen3 模型训练中，该方法在保持与 BF16 训练接近的准确率的同时，实现了显著的累计推理速度提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.14448)