AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

范围：站内优先仅站内全网全网通道：bing

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 2 条来源 · 引用可点击溯源

现有资料不足以回答「论文是否开源了代码或提供了 vLLM 插件/补丁」这一问题：两条资料都只给出摘要级信息，均未提及代码仓库、开源许可证或插件/补丁的发布情况。资料中能确认的只是两项工作都与 vLLM 的推理侧改动有关：

1 提出冻结短上下文草稿器，通过「限制注意力缓存」和「重定位旋转位置索引」两个推理期机制，使投机解码在 200 万 token 下仍保持短上下文时的加速比，且无需改动模型权重，vLLM 侧「单一配置即可覆盖 4k 到 2M token」1。这里只说明改动落在配置层面，并未说明是否以插件或补丁形式公开。
2 的 AbridgeKV 将长推理压缩进可学习 pause token 的 KV 条目，在 vLLM 中实现单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍2，同样未提及代码或补丁的开放情况。

因此，关于开源状态、仓库地址、是否提供 vLLM 插件/补丁，均无法从现有资料得出，需要查阅论文正文或项目主页进一步确认。

继续追问

[1] 中提到的 vLLM 单一配置具体是什么参数，是否需要修改 vLLM 源码？[2] 的 AbridgeKV 在 vLLM 中的实现是修改调度器还是注意力后端？这两篇论文的 arXiv 页面或项目主页是否提供了代码链接？

参考来源

2 条

1站内Long-Context Drafting Does Not Require Long-Context Drafters论文指出超长上下文下投机解码的加速会消失，因为草稿模型需处理完整前缀。作者提出无需训练长上下文草稿模型：冻结短上下文草稿器，通过限制注意力缓存和重定位旋转位置索引两个推理期机制，让其在200万token下保持短上下文时的加速比，无需改权重，vLLM侧单一配置即可覆盖4k到2M token。arXiv cs.LGhttps://arxiv.org/abs/2610.20865 2站内AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause TokensAbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。arXiv cs.CLhttps://arxiv.org/abs/2610.20641

AI 答案正在检索与综合…

站内相关条目

2 条 · 点击可看原文全文与中文译文

返回信息流

部署

Long-Context Drafting Does Not Require Long-Context Drafters

论文指出超长上下文下投机解码的加速会消失，因为草稿模型需处理完整前缀。作者提出无需训练长上下文草稿模型：冻结短上下文草稿器，通过限制注意力缓存和重定位旋转位置索引两个推理期机制，让其在200万token下保持短上下文时的加速比，无需改权重，vLLM侧单一配置即可覆盖4k到2M token。

部署与算力·arXiv cs.LG·4 天前

#speculative-decoding

部署

AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause Tokens

AbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。

部署与算力·arXiv cs.CL·4 天前

#kv-cache