# GateRQ réduit l’usage des tables mémoire dans deux LLM

> Une nouvelle étude propose de choisir le nombre de bits à lire pour chaque accès mémoire. Les chercheurs font état d’une baisse de la mémoire GPU occupée par les tables et d’un débit supérieur avec vLLM.

Oossa · 2026-10-28 · https://oossa.com/fr/gaterq-cuts-conditional-memory-table-use-in-two-llms

Les chercheurs présentent GateRQ, une méthode pour compresser les tables de mémoire conditionnelle, de vastes ensembles de motifs textuels associés à un modèle de langage. Au lieu d’attribuer une précision supplémentaire aux lignes souvent consultées, GateRQ se sert de la valeur de porte d’un accès pour déterminer s’il faut lire des codes supplémentaires de 1 bit. Selon l’article, cette valeur peut être calculée à partir d’un code de 1 bit.

Avec DeepSeek-V4.1-Flash, les chercheurs font état d’une réduction de 7,8 fois de la mémoire GPU occupée par les tables et d’un débit supérieur de 11 % à 31 % avec vLLM par rapport aux tables FP8. Sur deux modèles, ils rapportent une baisse d’environ 1 point à PopQA avec une moyenne de 1,50 bit lu par accès, ou de 0,2 point avec 2,10 bits. La méthode ne nécessite pas de réentraînement.

## Les faits

- L’article est disponible sur arXiv sous le numéro 2610.35985 depuis le 28 octobre 2026.
- Les chercheurs font état d’une réduction de 7,8× de la mémoire GPU occupée par les tables avec DeepSeek-V4.1-Flash.

## Pourquoi c'est important

Pour les équipes qui déploient des modèles utilisant des tables de mémoire conditionnelle, GateRQ pourrait réduire l’utilisation de la mémoire GPU tout en augmentant le débit. Les résultats publiés ne permettent toutefois pas de savoir comment la méthode se comporte en dehors des modèles testés.

## Sources et références

1. [Let the Gate Decide: Per-Lookup Precision for Quantized Conditional Memory in LLMs](https://arxiv.org/abs/2610.35985) – arXiv cs.LG, 2026-10-28

Dernière mise à jour: 2026-10-28