已验证65% 置信事实精确时间

PagedAttention 由 vLLM 团队于 2023 年提出，借鉴操作系统虚拟内存分页机制，将 KV Cache 内存浪费率从超过 60% 降低至接近 4%

3

来源数

65%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

从数学到AI研究工程师：GitHub爆火的系统学习路线图解析

相关事实

已验证vLLM的PagedAttention借鉴操作系统虚拟内存分页思想管理KV缓存，将显存碎片化损耗从约30%降低至接近084% 相似待验证PagedAttention导致KV cache内存浪费只发生在请求最后一个未填满的块中，vLLM报告浪费不到4%。74% 相似待验证vLLM的PagedAttention将KV Cache碎片化率从传统方案的60-80%降至不足4%，吞吐量提升可达24倍73% 相似待验证vLLM的PagedAttention将KV Cache划分为固定大小物理块，通过块表实现地址映射，将碎片化率从60-80%降至不足4%，吞吐量提升可达24倍72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/575978

API

curl https://kongchang.com/api/v1/knowledge/claims/575978

MCP

get_claim(id=575978)