vLLM Hybrid HiSparse 源码实现分析：KV Cache 内存管理深入拆解
版本说明：Hybrid HiSparse 在 vLLM 官方博客（2026-09-08）发布时尚在 hisparse-glm 分支（基准 commit e8ef1e07bd），现已合入 v0.30.0rc2（commit fa6ff0606）。本文基于 v0.30.0rc2 的源码（GitHub ...
GLM 5.3 优化（一）：vLLM 的 Hybrid HiSparse 混合稀疏卸载
来源: vLLM 官方博客（2026-09-08） 原文: GLM 5.3 Optimizations, Part 1: Hybrid HiSparse Offloading in vLLM 相关阅读: 本博同日翻译的 vLLM HiSparse 设计文档（附 SGLang 对照）正是这套机制的详...
vLLM HiSparse 本地 KV 卸载架构（附 SGLang HiSparse 对照）
来源: vLLM 官方设计文档（developer preview / latest，2026-09-12 更新）；文末附 LMSYS Blog 的 SGLang HiSparse 博文（2026-04-10）作为延伸对照 原文: HiSparse local KV offload archite...
深入 Transformer 内部：一个 Token 的一生
作者: Aleksa Gordić 原文: Inside the Transformer: The Life of a Token 在这篇文章中，我将深入剖析一个现代稠密 Transformer [1] 的内部实现。我只关注单张 GPU 上的前向传播——就当我们要执行一次训练步——而忽略反向传播...
SGLang HiCache 多级 KV 缓存实现剖析：分层结构、替换策略与异构 Attention 适配
HiCache 是 SGLang 把 RadixAttention 从”GPU 显存内的前缀复用”扩展到”GPU + 主机内存 + 分布式存储”三级缓存的实现。本文不复述官方设计文档的结论，而是直接拆代码，回答三个问题： 三级缓存各自的数据结构和生命周期是什么； 每一层的替换（驱逐）策略是什么，层...
ContextPilot：基于上下文复用的长上下文推理加速方案
项目概述ContextPilot 是一个专注于长上下文 LLM 推理加速的开源项目，已被 MLSys 2026 接收。其核心思想是通过上下文复用（Context Reuse）来加速预填充（prefill）阶段，同时保持推理质量。 核心指标 指标 提升效果 缓存命中率 4–12× 提升 ...