动态内存稀疏化（DMS）是一种高效的键值缓存压缩方法，能够在不降低模型精度的情况下提升推理性能。研究表明，DMS在多个基准测试中表现优异，实现了8倍的KV缓存压缩，同时保持或提高了模型性能，适合资源受限环境。