跳到正文
热点事件持续更新

研究：功耗上限对LLM解码阶段效果有限

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Bole Ma等作者在arXiv发表论文，在NVIDIA H200上用vLLM eager执行测试GQA、MLA、Gated DeltaNet和Mamba2四种注意力架构，结论是功耗上限对主导LLM服务的自回归解码几乎无效。 作者称，解码内核等待HBM、GPU在kernel启动间隙空闲，功耗不足700W额定值的一半，各功耗上限下吞吐差异仅几个百分点。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00
LLM 解码阶段的功耗上限幻觉：跨注意力架构的分阶段能耗表征

报道时间线

沿着报道，了解事件的不同侧面。

10月31日
  1. arXiv cs.AI
    LLM 解码阶段的功耗上限幻觉：跨注意力架构的分阶段能耗表征

    在 NVIDIA H200 上用 vLLM eager 执行测试 GQA、MLA、Gated DeltaNet 和 Mamba2 四种注意力架构后发现，功耗上限对主导 LLM 服务的自回归解码几乎无效：解码内核等待 HBM、GPU 在 kernel 启动间隙空闲，功耗不足 700W 额定值的一半，各上限下吞吐差异仅几个百分点。

本事件热度走势

可比范围当前
7
可比范围峰值
810月31日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。