研究人员推出了一种名为Prefetch-Steered Routing (PSR) 的新方法,用于优化无法完全载入GPU内存的混合专家(MoE)模型的解码过程。PSR基于逻辑缓存确定性地路由专家,减少了从主机内存复制权重的昂贵开销。该方法展示了显著的加速效果,在OLMoE-1B-7B上解码速度比精确路由快2.2-2.3倍,并在Moonlight-16B-A3B和Qwen3.6-35B-A3B的基准测试中有所改进,具体取决于工作负载和驻留情况。 AI
影响 该方法可以显著提高大型MoE模型的部署效率和速度,使其在内存有限的硬件上更易于使用。
排序理由 该集群包含一篇详细介绍AI模型性能优化新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Cache-Prior
- Hugging Face
- HumanEval
- mixture of experts
- Moonlight-16B-A3B
- OLMoE-1B-7B
- Prefetch-Steered Routing
- Qwen3.6 35B-A3B
- RTX 4090
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →