保护（几乎）是您所需要的一切：结构保护在全球上限 KV 驱逐中占主导地位

我们研究了共享全局解码时间工具下的 KV 缓存驱逐。七个策略（LRU、H2O、SnapKV、StreamingLLM、Ada-KV、QUEST、Random）共享一个提示边界漏洞：如果没有结构保护，它们在六个纯 Transformer 模型（F1$\leq$0.064）上崩溃到接近于零的质量。在每个边界保留 10\% 的缓存可在 $C{=}256$ 的七个 LongBench 模型上恢复 69--90\% 的 $C{=}2{,}048$ 参考上限质量（13\% 保留）；十个模型的面板跨度为 68--98\%。注意力质量试点（Qwen2.5-3B，$N{=}30$）说明了原因：位置 0 的接收器持有 ${\sim}75\%$ 的前缀质量，而其他边界标记位于 ${\sim}0.41{\times}$ 统一期望附近，因此注意力评分器保留了接收器，但仍然丢弃结构上关键的标记。有了保护，简化的分数隔离变体在 $K{=}32$ ($Δ{=}0.02$) 上与 TOST 等效；在 $K{=}8$ 时，注意力策略成对收敛，但在 $C{=}256$ 和 $C{=}512$ 上以 0.011--0.021 F1 击败 LRU。忠实的 Ada-KV/QUEST 在 Mistral-7B 和 Phi-3.5 上除了简化变体之外还添加了 ${\sim}0.03$--$0.04$ F1。 Qwen3-4B 上的 NIAH-32K 机制转移试点（解码 vs.\ 预填充，$C{\in}\{512,2048\}$）显示出几乎相同的保护提升（比率 0.99--1.00）。在 64K 时，保护有所帮助，但恢复程度较低；仅当模型已经支持强大的 64K 检索而不逐出时，忠实的每头评分才能与 Gemma-3-4B 上的全缓存上限相匹配，保留率为 6.3%。总体而言：防护为主；一旦边界被守住，得分差异就成为次要的；人均分配带来了进一步的适度收益。