2. DualPath：打破 Agentic LLM 推理的存储带宽瓶颈

  • 类型：arxiv
  • 标识：2602.21548
  • 链接：https://arxiv.org/abs/2602.21548
  • 主题：agent, database, engineering, evaluation, llm-infra, rag, risk
  • 主分类：llm-infra
  • 形态：method
  • 被引：13
  • 被引来源：Semantic Scholar
  • S2被引：13
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：DualPath is presented, an inference system that breaks this bottleneck by introducing dual-path KV-Cache loading and enables a novel storage-to-decode path, in which the KV-Cache is loaded into decoding engines and then efficiently transferred to prefill engines via RDMA over the compute network.
  • OpenAlex ID：W7131682346
  • OpenAlex DOI：10.48550/arxiv.2602.21548
  • DOI：10.48550/arxiv.2602.21548
  • DOI来源：OpenAlex
  • OpenAlex Venue：Open MIND
  • Venue：Open MIND
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • OpenAlex更新：2026-07-19
  • TLDR中文：本文提出 DualPath，一种 inference 系统，通过引入 dual-path KV-Cache loading 打破瓶颈，并实现一条新的 storage-to-decode 路径：KV-Cache 先加载到 decode engine，再通过 compute network 上的 RDMA 高效转发至 prefill engine。
  • 副分类：agent
  • 待LLM分类：否
  • 来源文件：
  • /inbox/jay/2026-06-11-kv-cache-inference-systems-eviction-security.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • 集成到 Continuum agent serving system 后，平均 job latency 降低 18.1%
    • 工程意义： 首个将 GPU attention kernel 行为纳入 cache eviction 决策的设计；比通用 LRU 方法更有硬件感知性
    • 评价： 适合作为 agent serving 系统（如 Continuum）调优的参考架构
    • 标签： kv-cache gpu-kernel eviction-policy inference-systems arXiv asymcache
    • 来源： arXiv:2602.21548v2（2026）
    • 链接： https://arxiv.org/html/2602.21548v2
    • 可信度： 高（针对 disaggregated 架构的系统设计论文）

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