通俗解释
把每个请求的 KV Cache 切成固定大小的块，按需分配、可共享，不再预留整段连续显存。显存碎片几乎消失，同样硬件能同时服务更多请求，吞吐提升数倍。
用在哪里：vLLM 及多数推理引擎
01原始论文
Efficient Memory Management for Large Language Model Serving with PagedAttention
Woosuk Kwon, Zhuohan Li, Siyuan Zhuang, et al. · 2023
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：连续批处理
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：AI 应用工程师
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
paged-attention)