BlockLock 提出一种在保持共享批量 prefill 的前提下，仅固定受保护请求的数值路径，实现可复现的 LLM 推理。它提供两种模式：BlockLock‑Rows 使用固定宽度的行结构，保留所有请求的批量解码；BlockLock‑Pack 在末端加入孤立的 dummy 段进行打包，仅提取受保护请求的 KV 状态用于目标解码。根据每次部署的合同约定，两种模式均能在伴随请求变化时保持目标请求的输出位相同。实验在五个密集模型（Qwen3‑8B/14B、Llama‑3.1‑8B‑Instruct、Gemma‑3‑4B/12B‑IT）以及三种单 GPU（A6000、A100、H100）上进行，覆盖 tinyBenchmarks 与 BFCL，并给出两卡 Tensor‑Parallel 初步结果。所有测试中，两种模式均保持目标序列和 Top‑20 logits 位不变。 在等效工作量下，BlockLock‑Rows 相比 vLLM Batch‑Invariant 将延迟降低 53.5%‑55.0%，吞吐提升 115.2%‑122.2%。 与批量不变内核相比，它无需自定义 kernel，仅约束受保护请求。 点评：BlockLock 在不牺牲共享预填充计算的情况下，实现了高效且可复现的推理，为实际部署提供了更灵活的性能‑一致性权衡。