渐进式模型热更新：基于 CUDA IPC 与权重原子交换的 LLM 零停机部署工程实践 探讨如何利用 CUDA IPC 显存共享和双缓冲原子交换实现 LLM 推理服务的零停机模型更新。包含 C++ RAII 封装、VersionedTensor 引用计数、多 GPU 零拷贝同步等实现细节，以及基于 vLLM 的改造实践和自动回滚机制。 AI应用开发 2026年10月03日 0 点赞 0 评论 6 浏览
