PulseAugur
实时 07:18:12
English(EN) LLMSpace: Carbon Footprint Modeling for Large Language Model Inference on LEO Satellites

LLMSpace框架为低地球轨道卫星上的LLM碳足迹建模

研究人员开发了LLMSpace,一个旨在模拟低地球轨道(LEO)卫星上大型语言模型(LLM)推理相关碳足迹的新型框架。该框架考虑了运营碳和内含碳,包括发射排放、制造和专用硬件等因素。LLMSpace旨在识别碳影响、推理速度、硬件设计和卫星寿命之间的权衡,以促进可持续的太空AI。 AI

影响 为评估在天基基础设施中部署LLM的环境影响提供了一个框架。

排序理由 这是一篇详细介绍碳足迹分析新建模框架的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LLMSpace框架为低地球轨道卫星上的LLM碳足迹建模

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Lei Jiang, Adrian Ildefonso, Daniel Loveless, Fan Chen ·

    LLMSpace:在近地轨道卫星上进行大型语言模型推理的碳足迹建模

    arXiv:2605.05615v1 Announce Type: new Abstract: Large language models (LLMs) impose rapidly growing energy demands, creating an emerging energy and carbon crisis driven by large-scale inference. Solar-powered, AI-enabled low Earth orbit (LEO) satellites have been proposed to miti…