Bilanz der Quelle: DistServe trennt die rechenintensive Prefill-Phase von der speicherbasierten Decoding-Phase auf separate GPU-Pools und erreicht damit bis zu 7,4-mal höhere Goodput-Werte. Diese Architektur beeinflusst maßgeblich aktuelle Systeme wie Dynamo, SGLang und vLLM.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
