Prefill vs Decode: LLM Inference 的两个阶段
理解 LLM 推理中 prefill 和 decode 的区别，以及为什么 prefill 更适合 batching。
#llm-inference
按关键词浏览笔记与项目。
KV Cache 为什么会吃显存？
梳理 KV Cache 的数据结构、显存估算方式，以及长上下文为什么会放大问题。
Prefix Cache 命中率如何影响 TTFT？
分析 Prefix Cache 命中与未命中对首 token 延迟的影响，并记录后续 benchmark 计划。
围绕 LLM 推理、KV Cache 与评估方法建立可追溯的学习记录。
梳理学习问题、理解推理机制，并规划可复现实验。