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

大家都在搜：vLLM12 AbridgeKV 在 vLLM 中的实现改动涉及哪些模块？10 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10

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或 vLLM 分支——两条摘要都只提到在 vLLM 上的实现/配置方式，未提及代码或分支的公开情况。

论文 1《Long-Context Drafting Does Not Require Long-Context Drafters》摘要说明其方法为推理期机制（限制注意力缓存、重定位旋转位置索引），并称「vLLM 侧单一配置即可覆盖 4k 到 2M token」1。这只能说明其方案可在 vLLM 上以配置方式落地，并未说明是否发布代码或 vLLM 分支1。
论文 2《AbridgeKV》摘要给出在 vLLM 中的量化效果：单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍2。同样只描述实现与实验结果，未提及代码、模型或 vLLM 分支的公开状态2。

因此，关于「是否公开代码或 vLLM 分支」这一点，现有资料不足以回答；可确认的仅是两篇工作都与 vLLM 集成相关1 2。建议直接查看 arXiv 页面（abs 页通常有 Code 链接）或论文正文的可用性声明。

继续追问

论文 [1] 的推理期机制具体如何在不改权重的情况下保持加速比？AbridgeKV 的 pause token 压缩方案在 vLLM 中需要哪些改动？这两篇论文的 arXiv 页面是否提供了代码仓库链接？

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·5 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·5 天前

#kv-cache