研究实测投机解码生产环境能耗
热点事件持续更新
研究实测投机解码生产环境能耗
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 等作者发表论文，在 SGLang、开启 CUDA graphs 的生产服务条件下，于 H100 和 H200 GPU 上测量投机解码的能耗，批大小最高 64、覆盖 5 个语料库。 测量结论是：在稠密模型中，能耗成本主要由验证被接受的 token 主导，而非起草阶段。这一结果针对上述硬件与配置条件，作者据此提出能耗核算应只计入被接受的 token。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
只有被接受的 token 才算数：延迟目标下投机解码的能耗核算报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI只有被接受的 token 才算数：延迟目标下投机解码的能耗核算
研究在 SGLang、CUDA graphs 开启的生产条件下，于 H100 和 H200 GPU 上测量投机解码的能耗，发现稠密模型中验证而非起草主导能耗成本。
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
- –
02468
22:0023:0011月1日
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。