计算机科学 > 新兴技术
[提交于 2025年5月28日
]
标题: 面向高效键值缓存管理的LLM推理前缀预填充策略
标题: Towards Efficient Key-Value Cache Management for Prefix Prefilling in LLM Inference
摘要: 随着具有扩展上下文窗口的大规模语言模型(LLMs)的广泛应用,高效的关键值缓存(KVC)管理成为优化推理性能的必要条件。检索增强生成(RAG)和代理等推理工作负载表现出较高的缓存可重用性,这使得高效的缓存管理对于减少冗余和提高速度至关重要。我们使用公开可用的跟踪数据分析了实际的KVC访问模式,并评估了Redis等商业键值存储以及基于RDMA的系统(CHIME [1] 和Sherman [2])用于KVC元数据管理的效果。我们的研究展示了针对KVC预填充缺乏专门存储解决方案的情况,强调了为LLM工作负载设计具有优化元数据管理的高效分布式缓存系统的必要性,并为设计可扩展且低延迟的KVC管理系统提供了见解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.