AWS Machine Learning Blog· Sunita Nadampalli·· 3 小时前AI 评分55
AWS 详解 vLLM 双向 KV 传输：多轮智能体负载 TTFT 最高降低 3.3 倍
Improve TTFT for multi-turn agentic workloads with bi-directional KV transfer in vLLM
AI 导读
AWS 在 vLLM 中引入双向 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计算历史上下文。在 Amazon EC2 P5en 实例的 1P1D 部署上，该功能使 Qwen3-32B 的 TTFT 最多降低 1.6 倍，zai-org/GLM-5-FP8 最多降低 3.3 倍。
来源：AWS Machine Learning Blog · aws.amazon.com