研究测量LLM预填充与解码阶段耗时与能耗
热点事件持续更新
研究测量LLM预填充与解码阶段耗时与能耗
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
Lars Krupp等作者发表论文，系统测量了大语言模型在不同输入（prefill）与输出（decode）token 长度下的计算时间和能耗，并提出预测框架。测量结果显示，decode 阶段的计算时间与能耗随输出长度线性增长；prefill 阶段则随输入长度呈线性与二次方双重增长。
AI 根据报道生成 · 3 小时前更新
最新进展10月31日 12:00
上下文真实成本：预测 LLM prefill 与 decode 阶段的计算时间和能耗报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI上下文真实成本：预测 LLM prefill 与 decode 阶段的计算时间和能耗
研究系统测量了 LLM 在不同 prefill（输入）与 decode（输出）token 长度下的计算时间和能耗，发现 decode 阶段的计算时间与能耗随输出长度线性增长，而 prefill 阶段则随输入长度呈线性与二次方双重增长。
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。