你刚用手机 AI 聊完一件事，转去拍照或玩游戏，再切回来，它可能要等很久才开口。原因是其他应用挤占内存后，系统会赶走模型权重——模型学到的规则——以及 KV cache（保存对话中间计算结果的“速记”）。mzCache要解决的，就是手机多任务环境下这段恢复等待。
它最巧的一步，是优先移走模型靠后的层，保留计算时最先用到的前层。这样请求到来后，GPU 可以立刻从前层开始推理，CPU 同时按计算顺序恢复后层；系统还把缓存细分，只移走释放内存所需的部分，并结合压缩内存与存储两条恢复路径。论文称，手机端模型及缓存合计可占 5–7 GB，切换应用后的首字等待可从 0.8 秒升至 16 秒；其 Android 原型基于 llama.cpp，相比存储支持的部分卸载方案，将首字响应加快 2.1–5.5 倍。