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

现有资料不足以确认论文是否开源了代码或提供了 vLLM 插件/补丁——两条资料都只描述了与 vLLM 的集成方式，未提及代码仓库、插件或补丁的发布情况。能确认的部分：

[1] Long-Context Drafting Does Not Require Long-Context Drafters：论文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，让其在 200 万 token 下保持短上下文时的加速比，且无需改动权重；摘要称“vLLM 侧单一配置即可覆盖 4k 到 2M token”1。这里只说明集成成本低（配置层面），并未说明是否随论文发布代码、插件或补丁。
[2] AbridgeKV：方法将长推理压缩进可学习 pause token 的 KV 条目，摘要提到“vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍”2，同样只是运行环境/效果描述，未涉及开源或插件发布。

因此，关于“是否开源代码 / 是否提供 vLLM 插件或补丁”，需要查阅两篇论文的正文、附录或项目主页才能确认；现有摘要级资料无法回答。

继续追问

[1] 中提到的“vLLM 侧单一配置”具体是哪些配置项？是否需要修改 vLLM 源码？[2] AbridgeKV 的 pause token 机制在 vLLM 中是如何实现的，是否需要自定义算子？这两篇论文是否有公开的 GitHub 仓库或项目主页链接？

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