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

结论：现有资料无法确认这两篇论文是否公开了代码仓库或 vLLM 补丁——两条资料都只有摘要级信息，未提及任何代码、仓库或补丁的发布情况。 能确认的部分：

《Long-Context Drafting Does Not Require Long-Context Drafters》：摘要只说明方法为推理期机制（限制注意力缓存、重定位旋转位置索引），并强调「无需改权重，vLLM 侧单一配置即可覆盖 4k 到 2M token」1。这里的「vLLM 侧单一配置」描述的是方法在 vLLM 中的部署形态，并未说明是否以补丁或 PR 形式公开1。
《AbridgeKV》：摘要只给出效果数据（vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍）2，同样未提及代码仓库、模型权重或 vLLM 补丁的开放情况2。

因此，关于「是否公开代码仓库或 vLLM 补丁」这一问题，现有资料不足以回答；建议直接查看两篇 arXiv 页面（abs 页的 Comments/Code 链接区）或论文正文的实现细节章节。

继续追问

这两篇论文的 arXiv 页面是否附有代码链接（如 GitHub）？Long-Context Drafting 论文中提到的 vLLM 单一配置具体是哪些参数？AbridgeKV 的 pause token 方案在 vLLM 中需要修改哪些代码路径？

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