跳到正文
热点事件持续更新

讲解 vLLM 的 PagedAttention 机制

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

AGI Hunt 的 KV Cache 优化系列第一讲由 goyalshaliniuk 介绍 vLLM 的 PagedAttention 机制。该机制将 KV Cache 划分为固定大小的小块,并按请求需求动态分配,以减少 GPU 显存碎片;报道称,这能让相同显存容纳更多并发请求,并提升服务吞吐。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    vLLM 的 PagedAttention 如何以虚拟内存方式管理 KV Cache 并提升服务吞吐

    vLLM 的 PagedAttention 将 KV Cache 划分为固定大小的小块并按需动态分配,以减少 GPU 显存碎片、提升服务吞吐。同等显存可容纳更多并发请求,并让多个请求更高效地共享 GPU 内存;文中所链 vLLM GitHub 仓库有 97.2k stars、25.1k forks,由 2000+ 贡献者维护。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。