清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Latency-Aware Optimization Strategies for Efficient LLMs Serving on Heterogeneous Accelerators

计算机科学 杠杆(统计) 延迟(音频) 安全性令牌 集合(抽象数据类型) 分布式计算 云计算 最优化问题 控制(管理) 缩小 吞吐量 计算机网络 钥匙(锁) 调度(生产过程)
作者
Chaelyn Lee,Seokhun Jeon
出处
期刊: 卷期号:: 1980-1982
标识
DOI:10.1109/ictc66702.2025.11388901
摘要

Large Language Models (LLMs) are increasingly deployed in Latency-critical applications, where user experience is strongly influenced by how quickly the model produces its first token and maintains consistent token generation. In practical deployments, these latency requirements are often formalized as Service-Level Objectives (SLO) that set strict bounds on response times. Meeting such objectives requires careful control of both time-to-first-token (TTFT) and token-by-token latency (TBT). In this study, we evaluate three open-source LLMs on GPU, AWS Inferentia2, and Google Cloud TPU v5e. We profile latency across varying batch sizes and input prompt lengths, and leverage these profiles to identify optimal device configurations that maximize RPS while satisfying SLO requirements. We further explore disaggregated configurations that assign prefill and decode stages to different devices, leveraging device-specific strengths for improved efficiency. Our experiments show that disaggregated optimization consistently improves Requests Per Second (RPS) over GPU-only baselines, achieving up to nearly 2× improvement depending in certain workloads. These findings highlight the importance of latency-aware optimization in heterogeneous environments and establish design principles that clarify how prefill and decode stages should be distributed across devices to maximize throughput while satisfying SLOs in large-scale LLM serving systems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
4秒前
复杂的寒梅完成签到,获得积分10
7秒前
draguide发布了新的文献求助20
12秒前
draguide完成签到,获得积分10
13秒前
懦弱的绿蝶完成签到,获得积分10
13秒前
乐观的水瑶完成签到,获得积分10
22秒前
专注的小白菜完成签到,获得积分10
33秒前
半夏完成签到 ,获得积分10
35秒前
lx完成签到 ,获得积分10
46秒前
xuxu完成签到 ,获得积分10
51秒前
洁净香寒完成签到,获得积分10
56秒前
AiYa完成签到,获得积分10
56秒前
酷波er的应助被朱洪帆采纳,获得10
58秒前
1分钟前
星辰大海的应助被宜兴彭于晏采纳,获得10
1分钟前
朱洪帆发布了新的文献求助10
1分钟前
SciGPT的应助被小橘子吃傻子采纳,获得10
1分钟前
科研通AI6.4的应助被朱洪帆采纳,获得10
1分钟前
洁净山柏完成签到,获得积分10
1分钟前
无限鸣凤完成签到,获得积分10
1分钟前
幸福的盼芙完成签到,获得积分10
1分钟前
危机的夏兰完成签到,获得积分10
1分钟前
七七完成签到 ,获得积分10
1分钟前
负责的归尘完成签到,获得积分10
1分钟前
iShine完成签到 ,获得积分0
1分钟前
苗条的巧凡完成签到,获得积分10
1分钟前
李祺完成签到 ,获得积分10
2分钟前
烟花的应助被宜兴彭于晏采纳,获得10
2分钟前
温婉的乐荷完成签到,获得积分10
2分钟前
单纯寄云完成签到,获得积分10
2分钟前
单纯冰菱完成签到,获得积分10
3分钟前
无极微光的应助被777采纳,获得20
3分钟前
科研通AI6.2的应助被淡定采纳,获得10
3分钟前
Takeda完成签到,获得积分10
3分钟前
3分钟前
俏皮夏瑶完成签到,获得积分10
3分钟前
轻舞完成签到,获得积分10
3分钟前
3分钟前
3分钟前
迷路的身影完成签到,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Reagents for Organic Synthesis, 14 Volume Set, 2nd Edition(本书共14册,本求助8volume-14volume共7册,独立harcover版本,非网络版本e-EROS 版,不能网络版转化PDF或提取PDF) 2000
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 1000
Электротехническая система магнитожидкостной герметизации валов регулируемых электродвигателей 800
日本語と中国語及びチベット・ビルマ語の語源関連性に関する分析 800
Practical Manual of Forensic Psychophysiology: Methodology, Execution, and Fields of Application 800
Holistic Discourse Analysis, Second Edition by Robert E. Longacre 666
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 有机化学 物理 生物化学 化学工程 内科学 复合材料 催化作用 心理学 人工智能 细胞生物学 光电子学 无机化学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 7958294
求助须知:如何正确求助?哪些是违规求助? 9431103
关于积分的说明 21005975
捐赠科研通 7537699
什么是DOI,文献DOI怎么找? 3370503
关于科研通互助平台的介绍 2506178
邀请新用户注册赠送积分活动 2402715