AWS Machine Learning Blog· Sunita Nadampalli·· 3 小时前精选AI 评分60
AWS 用 vLLM 双向 KV 传输降低多轮智能体负载的 TTFT
Improve TTFT for multi-turn agentic workloads with bi-directional KV transfer in vLLM
AI 导读
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，避免多轮对话中重复预填充。在 Amazon EC2 P5en 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。
推荐理由
AWS 工程师给出双向 KV 传输的架构、路由元数据流与阈值配置，并附可复现的多轮基准数据。
来源：AWS Machine Learning Blog · aws.amazon.com