一篇新发表在arXiv上的论文分析了离散扩散模型(DLLMs)和自回归(AR)语言模型在推理过程中的能耗。研究发现,在生成较长序列(200-600个token)时,像LLaDA-8B和Dream-7B这样的扩散模型比Llama-3.1-8B和Qwen 2.5 7B等AR模型能效高约两倍,每token能耗为2.5-2.7焦耳,而AR模型为5.3-5.7焦耳/token。研究还强调,KV缓存优化在较长序列长度下可将AR模型的能耗降低50%-70%。 AI
影响 扩散模型为LLM推理提供了更节能的替代方案,有望降低运营成本和环境影响。
排序理由 分析语言模型能耗的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Dream-7B
- Gotit.pub
- Hugging Face
- IArxiv
- LLaDA-8B
- Llama-3.1:8b
- Qwen 2.5 7B
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →