文档摘要

2.1 为什么自回归生成绕不开 KV Cache 本节摘要：「KV Cache」是理解大模型推理开销的钥匙词。本节从注意力机制的计算依赖出发，说明 decode 每一步为什么必须读取全部历史 token 的键与值；再用代码与算例展示 KV Cache 随序列长度线性增长的事实。结论是：这笔显存开销无法省略，只能优化管理——这为第 2.2 节的"浪费账本"与第 3 章的块表设计立好了前提。 会员。《2.1 为什么自回归生成绕不开 KV Cache》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