arXiv 论文提出 KVLearn：分离式 LLM 服务中的 KV 缓存保留学习框架
原文标题：To Keep or Not to Keep: Learning KV Cache Retention in Disaggregated LLM Serving Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对分离式 LLM 推理中缓存未命中需跨节点传输的问题，论文提出 KVLearn 框架，包含前缀复用预测器 PRP、成本感知保留评分 CARS 与自适应阈值控制器 ATC。在文本与多模态负载上，首 Token 时延相比无缓存降低最多 56%、相比 LRU-Pool 降低 38%，跨节点 KV 传输量减少最多 53%。代码已在 GitHub 开源。
深读 · 结论先行AI 生成展开看要点与影响 ↓
KVLearn 用学习式 KV 缓存保留策略，首 Token 时延较 LRU-Pool 降 38%、跨节点传输减 53%。
- •针对分离式推理中缓存未命中需跨节点传输、而非仅本地重算的问题设计
- •三组件：PRP 预测前缀复用概率、CARS 按重算/传输/存储成本决策、ATC 在线调阈值
- •对比无缓存降首 Token 时延最多 56%，对比 Mooncake 类基线降 33%
- •跨节点 KV 传输量最多减少 53%，覆盖文本与图像/视频大 KV 块负载
- •代码已在 GitHub 开源
为什么重要：分离式架构下缓存策略直接影响带宽与延迟成本，这套成本感知方案对推理服务部署方有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 据悉计划采购谷歌 TPU 芯片，降低对英伟达依赖
AI 摘要据报道，OpenAI 正计划采购谷歌自研的张量处理单元（TPU），以扩大算力规模并实现芯片供应多元化，双方尚未敲定最终条款。OpenAI 同时在推进与博通合作、代号 Jalapeno 的自研 AI 芯片。若交易落地，将直接冲击英伟达在 AI 加速芯片市场的主导地位，并重塑云厂商与大模型公司的算力供应格局。
阿联酋因伊朗袭击调整 5GW AI 数据中心计划
AI 摘要据路透社报道，在遭受伊朗袭击后，阿联酋修订了其 5GW AI 数据中心建设计划。该事件凸显地缘政治冲突对中东地区大规模 AI 基础设施投资的直接冲击，可能影响全球算力布局与供应链。
英伟达预计单季营收达1080亿美元
AI 摘要英伟达预测未来几个月内营收将达到1080亿美元，有望成为继亚马逊、苹果和Alphabet之后又一家季度营收超千亿美元的公司。其数据中心营收同比增长一倍以上，利润也大幅增长。
英伟达公布 OOI 共封装光学技术，原型样品已到位
AI 摘要英伟达在 SEMICON West 2026 上展示下一代共封装光学方案 OOI（Optics-on-Interposer），用大面积硅中介层取代有机封装基板，把光引擎直接集成到承载 GPU 的中介层上。该方案旨在为超大规模 AI 集群提供更高带宽互联，目前仍处研究阶段，无商业化时间表。