PulseAugur
中
实时 20:23:38
English(EN) The Real Cost of Context: Predicting Compute Time and Energy Consumption in LLM Prefill and Decode Phases

LLM 上下文长度显著影响计算时间和能源使用

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在 arXiv 上的研究论文探讨了大型语言模型 (LLM) 的计算和能源成本，特别是在利用广泛输入上下文的代理架构中。研究表明，虽然解码计算时间和能源随输出 token 呈线性增长，但预填充计算时间和能源随输入 token 呈线性增长和二次增长。这表明输入上下文显著影响大型上下文工作负载的资源消耗。该研究提出了一个使用计算时间作为能源消耗代理的框架，从而能够进行更准确的估算并促进人工智能的可持续部署。 AI

影响 提供了一个估算 LLM 能源消耗的框架，有助于可持续的人工智能部署决策。

排序理由 学术论文，详细介绍了 LLM 的计算和能源成本。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

LLM 上下文长度显著影响计算时间和能源使用

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了 LLM 的计算和能源成本。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
10 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Lars Krupp, Daniel Gei{\ss}ler, Francisco M. Calatrava-Nicolas, Stefan Gerd Fritsch, Paul Lukowicz, Jakob Karolus ·

    上下文的真实成本：预测LLM预填充和解码阶段的计算时间和能源消耗

    arXiv:2610.39621v1 Announce Type: new Abstract: The integration of Large Language Models (LLMs) into agentic architectures has substantially increased token consumption, raising concerns about their energy footprint. Yet, estimating the energy consumption of proprietary API-based…

相关实体

相关话题