知识卡片
预填充解码解耦需要核算状态传输
把预填充和解码分到不同资源池,可减少长输入与持续生成的相互干扰,并分别调节容量。代价是传输KV等状态及额外调度。是否划算取决于互联带宽、负载与SLO,不能照搬某论文实例比例。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 推理优化
原书出处 · 1 处
- · 查看原书依据
将中间状态从预填充实例传输到解码实例,但论文指出,在现代GPU集群(如节点内使用NVLink等高带宽连接)中,通信开销并不显著。
参考来源
- 位置:《AI工程:大模型应用开发实战》第9章《推理优化》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section017.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:将中间状态从预填充实例传输到解码实例,但论文指出,在现代GPU集群(如节点内使用NVLink等高带宽连接)中,通信开销并不显著。