热点事件持续更新

AWS 在 vLLM 中实现双向 KV 传输，降低多轮对话 TTFT

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

AWS 在 vLLM 中实现双向 KV 传输：decode 节点把已计算的 KV 块回传给 prefill 节点，使多轮对话中已算过的上下文不必重复 prefill。AWS 称，在 Amazon EC2 P5en 实例、EFA 网络连接的 1P1D 部署上，最长提示下 Qwen3-32B 的首 token 延迟（TTFT）降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。该机制依赖 KV-cache-aware 路由器在轮次之间缓存 decode 节点的块元数据。decode 节点保留这些块的可配置时长由 decoder_kv_blocks_ttl 控制，默认 480 秒，并公布块的位置与过期时间；复用还是本地重算由 kv_recompute_threshold 决定，默认 64 tokens。按 AWS 说明，部署需使用 vLLM v0.21.0 或更高版本与 NixlConnector，在 prefill 和 decode 两端服务器启用 bidirectional_kv_xfer，并使用 KV-cache-aware 路由器。AWS 表示该功能也可在其他受支持配置上运行，但性能会随硬件、模型、负载和网络配置不同而变化。

AI 根据报道生成 · 54 分钟前更新

最新进展10月20日 00:03

AWS 用 vLLM 双向 KV 传输降低多轮智能体 TTFT

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

00:03
AWS Machine Learning Blog
AWS 用 vLLM 双向 KV 传输降低多轮智能体 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已计算的 KV 块回传给 prefill 节点，减少多轮对话中重复的 prefill 计算。在 Amazon EC2 P5en 实例、EFA 网络连接的 1P1D 部署上，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。该机制依赖 KV-cache-aware 路由器在轮次间缓存 decode 节点的块元数据，并由 decoder_kv_blocks_ttl（默认 480 秒）控制块保留时长、kv_recompute_threshold（默认 64 tokens）决定复用还是本地重算。

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。