标签：推理

2025-11-28andy阅读(74)评论(0)

在构建大规模AI应用时，推理服务的性能是决定用户体验的关键因素。我们通常面临一个挑战：如何在保证极低延迟（如10ms以内）的同时，最大限度地提升并发吞吐量。传统的基于同步HTTP/REST的API设计往往在网络传输和序列化/反序列化上引入了...

2025-11-20andy阅读(71)评论(0)

引言：为什么KV Cache是LLM推理的生命线？ 对于自回归（Autoregressive）的Transformer模型，特别是大型语言模型（LLMs），推理延迟主要发生在解码阶段。每生成一个新的Token，模型必须回顾所有历史Token...