一篇新的研究论文介绍FastAFD,这是一种旨在提高在GB200 NVL72等机架规模NVLink系统上服务大型混合专家(MoE)模型效率的引擎。FastAFD将注意力与专家分离,允许它们并发处理,与标准的vLLM配置相比,Qwen3和Qwen3.5等模型的吞吐量提高了1.17倍。该论文还提出了一个分析模型来预测AFD的性能优势,表明当更大批次大小和改进的重叠带来的收益超过分离成本时,AFD最具优势。 AI
影响 优化大型MoE模型的服务基础设施,可能降低AI应用的延迟并提高吞吐量。
排序理由 研究论文,详细介绍了一种优化AI模型服务基础设施的新方法。[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 →