文档摘要

第 5 章 · 前缀缓存与投机解码：重复的活别干两遍 章节摘要：显存与时间两大浪费收拾干净后，还剩两类"重复劳动"：相同的提示词前缀被不同的请求一遍遍重新计算；解码只能一步一步串行爬。本章沿"复用"这条追因线走：前缀缓存（5.1）把算过的前缀存下来直接引用，投机解码（5.2）用小模型起草、大模型一次验多个 token。读完本章，你会掌握两种"不增加算力却成倍提速"的思路及其适用边界。 会员。《第 5 章 前缀缓存与投机解码：重复的活别干两遍》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