Unverified50% confidenceFactExact time
PagedAttention 由 vLLM 团队于 2023 年提出，借鉴操作系统虚拟内存分页机制，将 KV Cache 内存浪费率从超过 60% 降低至接近 4%
1
Sources
50%
Confidence
Long-term
Relevance
7/21/2026
First Seen
Sources
Related Claims
UnverifiedvLLM的PagedAttention借鉴操作系统虚拟内存分页思想管理KV缓存，将显存碎片化损耗从约30%降低至接近084% similarUnverifiedvLLM通过PagedAttention技术将KV Cache的内存碎片率从60%以上压缩至接近零，在高并发场景下可将推理吞吐量提升数倍80% similarUnverifiedvLLM的PagedAttention将KV Cache碎片化率从传统方案的60-80%降至不足4%，吞吐量提升可达24倍73% similarUnverifiedvLLM的PagedAttention将KV Cache划分为固定大小物理块，通过块表实现地址映射，将碎片化率从60-80%降至不足4%，吞吐量提升可达24倍72% similarUnverified与传统方法相比，PagedAttention使vLLM能够将批处理大小提升2-4倍，并实现接近100%的内存利用率70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/575978API
curl https://kongchang.com/api/v1/knowledge/claims/575978MCP
get_claim(id=575978)