跳到主要內容
AI News HubLIVE
更多
僅摘要

清華開源AKV:基於SGLang的LLM智能體KV緩存工程服務系統

清華大學與香港中文大學的研究者開源了AKV,一個面向LLM智能體的KV緩存工程服務系統。AKV讓智能體直接丟棄和重新定位KV緩存條目,而非摘要歷史,在4個智能體基準上平均成本降低27.7%,平均得分提升1.7分。

來源MarkTechPost作者: Asif Razzaq
清華開源AKV:基於SGLang的LLM智能體KV緩存工程服務系統
報告錯誤

更正渠道尚未開通,可先複製下方文章資訊留存。

查看更正說明

本文僅提供摘要

根據來源內容權限,本站僅提供編輯摘要、要點和原文連結。

展開要點與分析

文章情報

工程師進階

要點

  • AKV在SGLang基礎上擴展了radix樹,支持drop和reposition兩種緩存操作,無需重新預填充即可複用保留的KV狀態。
  • 在3個模型、4個智能體基準上,AKV相比閾值摘要平均成本降低27.7%、平均得分提升1.7分。
  • 在併發16的負載下,P95請求延遲從Standard的229.90秒降至30.63秒。
  • 目前僅支持Qwen、GPT-OSS和MiniMax-M2文本模型,代碼以Apache-2.0許可證開源。

要點與分析由自動化流程生成,可能有誤,請結合原始來源核實。