研究人员开发了一种名为PACE(Pacing Admission Controller for Execution)的新LLM服务方法,该方法优化了请求内并行性的使用。与急切执行或固定容量方法不同,PACE根据批次的当前剩余容量动态地接纳额外分支,从而降低延迟并提高吞吐量。该方法在Qwen3-32B模型上展示了1.77倍的有效吞吐量提升,并在其他大型模型上取得了相当的收益,同时保持了99%的服务水平目标(SLO)达成率。 AI
影响 优化LLM服务效率,可能为AI应用带来更快的响应时间和更高的吞吐量。
排序理由 详细介绍LLM服务新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →