研究人员开发了 KVLearn,一个旨在优化分离式大语言模型(LLM)服务系统中 KV 缓存保留的新框架。该框架通过智能决策保留哪些数据在缓存中,以减少内存和网络带宽的浪费。KVLearn 包含一个前缀重用预测器来估计重用概率,以及一个成本感知保留分数来根据传输和存储成本做出保留/接受决策,从而显著减少了端到端首次令牌时间和节点间 KV 传输量。 AI
影响 优化了大语言模型服务的效率,可能降低了人工智能应用的延迟和基础设施成本。
排序理由 该集群包含一篇详细介绍大语言模型服务优化新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Adaptive Threshold Controller
- arXiv
- Cost-Aware Retention Score
- Hugging Face
- KVLearn
- LLM
- LRU-Pool
- Mooncake
- Prefix Reuse Predictor
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →