AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

范围：站内优先仅站内全网全网通道：bing

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 2 条来源 · 引用可点击溯源

现有资料不足以回答「vLLM 在强化学习策略推理中常用的关键参数有哪些」这一问题——两条资料都不是关于强化学习策略推理的参数配置，只涉及 vLLM 推理期的两类机制。资料中能确认的相关信息如下：

长上下文投机解码的推理期机制：冻结短上下文草稿器，通过「限制注意力缓存」和「重定位旋转位置索引」两个推理期机制，使草稿器在 200 万 token 下保持短上下文时的加速比，且无需修改权重；vLLM 侧「单一配置即可覆盖 4k 到 2M token」1。这里只提到存在一个可覆盖大范围上下文的单一配置，但资料未给出该配置的具体参数名或取值。
KV 缓存压缩相关：AbridgeKV 将已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，释放原始缓存；在 32K 生成下仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍2。资料同样未列出具体 vLLM 参数名。

因此，关于强化学习策略推理（如 rollout/采样阶段）常用的 vLLM 参数（例如并行度、显存利用率、最大序列长度、采样相关开关等），现有资料均未涉及，无法据此作答。

继续追问

vLLM 中控制 KV 缓存大小的参数具体有哪些？投机解码在 vLLM 中如何配置草稿模型与上下文长度？强化学习 rollout 阶段用 vLLM 做推理有哪些已知的工程实践？

参考来源

2 条

1站内Long-Context Drafting Does Not Require Long-Context Drafters论文指出超长上下文下投机解码的加速会消失，因为草稿模型需处理完整前缀。作者提出无需训练长上下文草稿模型：冻结短上下文草稿器，通过限制注意力缓存和重定位旋转位置索引两个推理期机制，让其在200万token下保持短上下文时的加速比，无需改权重，vLLM侧单一配置即可覆盖4k到2M token。arXiv cs.LGhttps://arxiv.org/abs/2610.20865 2站内AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause TokensAbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。arXiv cs.CLhttps://arxiv.org/abs/2610.20641

AI 答案正在检索与综合…

站内相关条目

2 条 · 点击可看原文全文与中文译文

返回信息流

部署

Long-Context Drafting Does Not Require Long-Context Drafters

论文指出超长上下文下投机解码的加速会消失，因为草稿模型需处理完整前缀。作者提出无需训练长上下文草稿模型：冻结短上下文草稿器，通过限制注意力缓存和重定位旋转位置索引两个推理期机制，让其在200万token下保持短上下文时的加速比，无需改权重，vLLM侧单一配置即可覆盖4k到2M token。

部署与算力·arXiv cs.LG·5 天前

#speculative-decoding

部署

AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause Tokens

AbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。

部署与算力·arXiv cs.CL·5 天前

#kv-cache