推理加速框架中的 RadixAttention 与 PagedAttention 有何不同？

1. 共同点

• 两者都解决 KV 缓存的高效管理问题，都是现代推理框架提升显存效率与并发能力的核心机制

2. PagedAttention（vLLM）的思路

• 借鉴操作系统虚拟内存分页，将 KV 缓存切分为固定大小分页，用块表映射逻辑与物理块，主要消除内存碎片、提升单请求 / 单批次内的显存利用率

3. RadixAttention（SGLang）的思路

• 在分页基础上引入基数树（前缀树）结构，自动跨请求匹配并复用公共前缀的 KV 缓存
• 相比 vLLM 基于哈希的前缀缓存需"完全一致前缀"才能命中，RadixAttention 可匹配部分前缀，粒度更细，在 Agent 循环、多轮对话、共享系统提示词等前缀高度重叠的场景收益显著

4. 定位差异

• PagedAttention 解决"单请求内显存碎片"问题，RadixAttention 进一步解决"跨请求前缀重复计算"问题，二者在不少框架中互补共存