研究人员开发了一种新颖的理论框架,用于在连续查询空间中对大语言模型(LLM)的响应进行语义缓存。该方法解决了现有方法假设离散查询集而导致的局限性,随着大语言模型使用量的增长,这些方法变得难以维持。新系统利用动态 epsilon-net 离散化结合核岭回归来管理估计不确定性,并在语义邻域内推广查询成本反馈,旨在降低推理成本和延迟。 AI
影响 这项研究通过改进响应缓存机制,有望实现更高效、更具成本效益的大语言模型部署。
排序理由 该条目是一篇学术论文,详细介绍了用于大语言模型服务基础设施的新理论框架和算法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Baran Atalar
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Kernel Ridge Regression
- large-language models
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →