FlashOffloading：KV Cache 全卸载至主机内存
热点事件持续更新
FlashOffloading：KV Cache 全卸载至主机内存
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Xuan Wang 等作者提出 FlashOffloading，一种以主机 DRAM 为中心的推理架构，把 prefill 和 decode 两个阶段的 KV Cache 全部卸载到主机内存，以降低长上下文 LLM 推理的卸载延迟。 该架构通过滚动 HBM 缓存、decode 热缓存、反向稀疏索引和计算-加载重叠 kernel 来压缩卸载开销。作者称 FlashOffloading 已集成进一个开源服务框架。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
FlashOffloading：面向长上下文 LLM 推理的低延迟 KV Cache 卸载方案报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIFlashOffloading：面向长上下文 LLM 推理的低延迟 KV Cache 卸载方案
FlashOffloading 是一种以主机 DRAM 为中心的推理架构，将 prefill 与 decode 阶段的 KV Cache 全部卸载到主机内存，通过滚动 HBM 缓存、decode 热缓存、反向稀疏索引和计算-加载重叠 kernel 降低卸载延迟。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。