文档摘要

1.1 贵与慢发生在哪一步：拆解一次生成请求 本节摘要：生成式推理分为 prefill（一次性处理输入）与 decode（逐字产出）两个阶段。decode 阶段每生成一个 token 都要读取全部模型权重与全部上下文的注意力状态，是典型的"访存受限"场景。本节把一次请求的成本拆开，定位"贵"与"慢"各自发生在哪里，为全册的追因线立下第一个坐标。 会员。《1.1 贵与慢发生在哪一步：拆解一次生成请求》收录于灏天文库文集《vLLM》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/828-vllm

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流