GrowPage：按需KV预算提升LLM推理效率
原文标题：GrowPage: On-Demand KV Budgeting for Efficient LLM Reasoning Serving
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。
GrowPage是一个按需KV缓存预算框架，将KV容量视为运行时资源，通过双时间尺度查询摘要估计需求变化，并在容量边界压缩或获取额外物理页。与PagedAttention集成，保持连续批处理和前缀缓存。实验显示，在推理基准上实现了更优的性能-吞吐量权衡。
- 问题
- 长输出推理使KV缓存成为LLM服务的内存瓶颈，固定预算无法适应需求变化。
- 方法
- 将KV容量视为运行时资源，用双时间尺度查询摘要估计需求，在容量边界压缩或获取额外物理页，并与PagedAttention集成。
- 结果
- 在推理基准上实现更优的性能-吞吐量权衡。
- 影响
- 让KV预算随请求动态伸缩，为长输出推理服务提供更优的显存与吞吐平衡。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GrowPage把KV容量当运行时资源按需扩缩，与PagedAttention集成后取得更优性能-吞吐权衡。
- •现有KV压缩多用预设的每请求预算，解码全程总容量固定，只调整保留哪些KV状态。
- •推理负载需求差异大：不同请求需不同KV容量，单请求的注意力需求也在生成中演变。
- •用双时间尺度查询摘要捕捉近期与长期注意力行为，以相对注意力工作集估计需求变化。
- •到达容量边界时，要么在当前分配内压缩KV，要么在需求扩大时获取额外物理页。
- •集成PagedAttention页级内存抽象，保留连续批处理与前缀缓存；多模型推理基准上性能-吞吐权衡优于现有方法。
为什么重要：长输出推理让KV缓存成为服务内存瓶颈，按需扩缩比固定预算更贴合真实负载波动，对LLM推理部署的成本与吞吐优化有实际意义。
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 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。