lolspider / notes

Topic

#KV-cache

20 篇笔记

多模型路由进入 Agent 会话之后

模型路由在单轮问答中可以按难度分配成本,但进入 Agent 多轮会话后,还要处理上下文、工具状态、缓存和隐式状态。本文拆解会话级路由的智能与工程瓶颈,以及固定强模型、隔离子任务和有状态路由三条现实路线。

yage.ai· 11 分钟 ·#clippings·#AI·#LLM

Accelerating Gemini Nano models on Pixel with frozen Multi-Token Prediction

📝 摘要 Google Research 发布了一种将 Multi-Token Prediction (MTP) 增层改造(retrofit)到已冻结的 Gemini Nano v3 生产模型上的方法,在不修改基座模型权重的前提下,大幅加速 Pixel 设备上的端侧 LLM 推理。该方法已在 Pixel 9 和 10 系列实机部署,使 AI Notification Summaries、Proo…

research.google· 2 分钟 ·#clippings·#AI·#LLM

AI INFRA 全景分析与展望

AI INFRA 全景分析与展望 深度调研日期:2026-06-24 | 来源:多源 Web 搜索 + 对抗验证(24 个搜索代理,15+ 源站,70+ 可验证 claims) 📐 全景架构定位图 ---|------| | 核心创新 | PagedAttention — OS 式虚拟内存分页管理 KV Cache,将显存碎片率从 40% 降至 ⚠️ 注意:vLLM 上游无法提供 day-0 R…

vLLM + LMCache: A Starter Guide, No GPU Required

Get started easily: a single MacBook is all you need to develop vLLM + LMCacheFor New Contributors · Covering Frontend / L1 Eviction / L2 Storage / Observability If you ever skipped LMCache because you didn’t have a GPU on hand, this guide was written for you. LMCache’s multi-platform framework has already decoupled the GPU […]

blog.lmcache.ai· 9 分钟 ·#clippings·#tutorial·#AI