← 论文卡片

1️⃣ RTP-LLM · 阿里巴巴工业级推理引擎 — arXiv:2605.29639（⭐⭐⭐⭐⭐ 必读）

  • 类型：arxiv
  • 标识：2605.29639
  • 链接：https://arxiv.org/abs/2605.29639
  • 主题：agent, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 来源文件：
  • /inbox/jay/2026-06-10-inference-kv-serve-supplement.md
  • /inbox/jay/2026-06-15-2350-engineering-filter-round4.md

可复用信息

  • 本批次为 2026-06-10-inference-engineering.md（Jay 同日第一批草稿）的补充篇。第一批已覆盖：vLLM vs SGLang vs TensorRT-LLM 框架对比、火山引擎四框架中文代码、腾讯云全栈视图、MCP生态Top10、GitHub趋势。本批次聚焦更深层推理优化技术——KV Cache量化、多轮对话 Serving、投机解码延迟建模、边缘推理，以及 vLLM 官方配置手册中的工程细节。
    • 链接：https://arxiv.org/html/2605.29639v1
    • 平台：arXiv（工业级部署论文）
    • 机构：阿里巴巴集团，服务超过 1亿用户
    • 核心技术创新（含具体数据）：
    • Prefill-Decode Disaggregation 架构：将计算密集的 prefill 与内存绑定的 decode 解耦
    • 分层多级 KV Cache 管理：跨节点缓存复用，cache reuse 提升 215%

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集