文档摘要

第 3 章 · PagedAttention：向操作系统借来的答案 章节摘要：本章的主线是把第 2 章钉死的病灶治好：取消"连续"与"按峰值预留"两条假设。我们先看块表怎么把 KV Cache 切成 16 token 一块、用逻辑到物理的映射换取按需分配的自由（3.1）；再看写时复制与前缀共享如何让相同开头只存一份（3.2）。读完本章，"显存利用率从三成到九成"不再是一句口号，而是一组可以推演的设计决策。 会员。《第 3 章 PagedAttention：向操作系统借来的答案》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