2️⃣ Cats · 边缘推理的自投机级联验证 — arXiv:2605.11186（⭐⭐⭐⭐ 边缘推理重点）

• 类型：arxiv
• 标识：2605.11186
• 链接：https://arxiv.org/abs/2605.11186
• 主题：agent, engineering, evaluation, llm-infra, multimodal, rag
• 来源文件：
• /inbox/jay/2026-06-10-inference-kv-serve-supplement.md

可复用信息

• • TTFT P95 延迟：35–37% 降低
• • 工程价值：生产级规模数据，非 toy benchmark；Disaggregation 架构是 2026 推理系统核心方向
• • 是否含真实命令/代码：⭐⭐⭐⭐ 有架构图 + 系统设计描述
• • 标签：arXiv 推理引擎 Disaggregation KVCache 投机解码 阿里巴巴 生产级
• • 建议动作：精读；建议纳入「LLM推理架构」主题页核心参考

---

• • 链接：https://arxiv.org/html/2605.11186v1
• • 核心问题：现有投机解码假设 HBM 能同时容纳 target model + draft model，边缘设备（DRAM 有限）不成立

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。

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