v1: chunked prefill 下延后 KV compression 到 prompt 结束
chunked prefill 时如果在 prefill 中途做 prompt KV 压缩,会导致下一段 prefill 只能看到被截断的历史(语义变化/质量塌陷)。 改为“scheme 3”:仅在每个请求的最后一个 prefill chunk 计算一次全局 prompt Top-K 索引并缓存;在第一次 decode 前执行一次性 in-place compaction。 补充 prompt keep/budget 计算辅助函数,并新增 Triton KV cache gather/compaction 实现。
Showing
Please register or sign in to comment