Diffusion LLM Serving

新的去噪工作负载表面改进了 dLLM 推理成本预测

研究人员引入了去噪工作负载表面（DWS），以更准确地对服务期间扩散大语言模型（dLLM）的推理成本进行建模和预测。传统的成本代理对于 dLLM 来说是不够的，因为它们无法捕捉其生成过程的二维结构，该过程涉及具有异构成本的输出块和去噪步骤。DWS 将此结构保留为概率表面，从而能够使用轻量级的、仅提示的预测器来有效估算成本。这种方法在实际服务实验中显示出显著的改进，将成本预测误差降低了高达 2.50 倍，并将端到端延迟降低了高达 1.92 倍。