分页注意力（PagedAttention）来自 vLLM 论文《Efficient Memory Management for Large Language Model Serving with PagedAttention》，解决的是推理服务的显存浪费问题：每个请求的 KV 缓存又大又长短不一，按连续内存管理会产生大量碎片和重复拷贝，限制了能同时批处理的请求数。
机制
灵感直接来自操作系统的虚拟内存与分页技术——KV 缓存被切成固定大小的「块」（block）非连续存放，按需分配，因此内存浪费接近零；同一请求内部、以及多个请求之间还能灵活共享 KV 块（例如多个请求共享同一段系统提示词的缓存）。在这套机制之上构建的 vLLM 推理引擎，论文报告在与 FasterTransformer、Orca 等当时最先进系统相同延迟水平下，吞吐提升 2-4 倍，序列越长、模型越大、解码算法越复杂时提升越明显。
适用边界
这是推理引擎层面的技术，不由终端用户直接操作；它的实际意义是——当你自托管模型或选用推理服务时，底层是否采用 PagedAttention 类机制直接决定单位显存能同时服务多少请求。词库已有「vLLM推理引擎」条目介绍该系统整体，本条聚焦其核心算法本身。