#RadixAttention

前缀缓存在大模型推理中的实现与命中率优化

多轮对话和批量请求场景中，大模型推理常因重复计算相同前缀而浪费算力。本文聚焦前缀缓存如何通过树状结构与哈希匹配避免冗余 KV 计算，对比 vLLM 与 SGLang 的实现，分析 LRU 驱逐、碎片化对命中率的影响，并讨论缓存命中如何转化为延迟与吞吐收益。