在生产环境中，为什么多轮对话复用KV cache的策略难以直接实现？
在生产环境中，为什么多轮对话复用KV cache的策略难以直接实现？
展开
收起
1
条回答
写回答
写回答
-
在生产环境中，模型通常部署在由多台机器组成的机器集群中，用户层的请求通过统一域名服务转发到机器集群中的某一台机器。这样的架构设计导致不同轮次的对话命中同一台机器的概率微乎其微，因为每次请求可能被转发到不同的机器上，而这些机器上的显存中存放的KV cache是独立的。
2024-05-23 17:48:16赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
