研究人员开发了一种新颖的边缘云协同推理大型语言模型（LLM）的框架，该框架解决了延迟、资源限制和用户隐私之间的权衡问题。该系统利用端点认证的KV缓存，其中本地设备处理初始处理、嵌入和KV缓存认证，而云端执行认证的解码器推理和令牌验证。该框架通过优化的流式传输、批处理和ONNX部署支持各种设备，与现有的拆分推理方法相比，在延迟和数据传输方面有了显著降低，同时保持了与完全云端推理相当的性能。 AI
影响 该框架可以在资源受限的设备上实现更强大的LLM功能，而不会损害用户隐私。
排序理由 学术论文，详细介绍了LLM推理的新技术框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
