LEAP：可在线适配的LLM长度预测调度系统
热点事件观察中
LEAP：可在线适配的LLM长度预测调度系统
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Kwan Yan等作者提交论文，提出长度预测系统 LEAP，用于 LLM 推理调度。该系统复用服务模型的 prefill 隐藏状态，用线性读出提取输出长度信号，在线适配在 CPU 上异步执行。 作者称，在较大领域偏移下，LEAP 的在线适配将 Spearman 相关系数提升 64.7%；服务实验中，相比所评估的长度预测器，平均每 token 延迟降低 15.9–40.8%，吞吐量高 1.9%，预测器参数量比最强基线少 30,569 倍。这些为论文报告的结果。
AI 根据报道生成 · 48 分钟前更新
最新进展11月2日 13:00
LEAP：具备可泛化长度预测的高效 LLM 推理调度系统报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AILEAP：具备可泛化长度预测的高效 LLM 推理调度系统
LEAP 是一个支持快速在线适配、在 CPU 上异步执行的长度预测系统，通过复用服务模型的 prefill 隐藏状态并用线性读出提取输出长度信号。在较大领域偏移下，其在线适配将 Spearman 相关系数提升 64.7%；服务实验中相比所评估的长度预测器降低 15.9–40.8% 的平均每 token 延迟，吞吐量高 1.9%，预测器参数量比最强基线少 30,569 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。