BriefGPT - AI 论文速递 ·

Accelerating Throughput of Large Language Model Inference via Asynchronous KV Cache Prefetching

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了一种基于L2缓存的异步KV缓存预取方法，有效解决了大型语言模型推理中的内存瓶颈问题，显著提升了效率和吞吐量，超越了FlashAttention-3技术。

🏷️

Explore the globe in field recordings
I love field recordings. I love making them. I love them when they're inc...
并行策略总览：六个维度各切什么、怎么通信
本文介绍大模型并行训练的核心概念，将DP、TP、SP、PP、EP、CP六种并行方式按切分维度、显存减少、通信开销和等待关系列表对比。并行本质是切分模型并引...
Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
iPhone Handoff will seamlessly share one number between two phones
When iOS 27 lands later this month, it will have a feature called iPhone Hand...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...