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!

Architecting Long-Context Large Language Model Acceleration With Packing–Prefetch Scheduler and Ultralarge Capacity On-Chip Memories

作者
Minah Lee,Faaiq Waqar,Hanchen Yang,Muhammed Ahosan Ul Karim,Harsono S. Simka,Shimeng Yu
出处
期刊:IEEE Micro [Institute of Electrical and Electronics Engineers]
卷期号:46 (3): 99-108 被引量:1
标识
DOI:10.1109/mm.2026.3669502
摘要

Long-context Large Language Model (LLM) inference faces increasing compute bottlenecks as attention calculations scale with context length, primarily due to the growing KV-cache transfer overhead that saturates High Bandwidth Memory (HBM). While prefetching techniques mitigate cache misses by fetching KV data in advance, their spatial and temporal benefits present new opportunities to exploit. This work proposes a packing-prefetch scheduling architecture with monolithic 3D (M3D) back-end-of-line (BEOL) compatible embedded memories with ultra-large onchip capacity to accelerate long-context LLM inference. Our optimizations demonstrate 8.06× decode speedup and 1.83× overall latency reduction on Llama3.1-8B using TPUv6e-like hardware with additional 512MB BEOL memories over the serial execution. Evaluations of multi-request workloads on TPU-like architectures show 1.7×–2.4× throughput improvement and 1.5×–2.4× HBM bandwidth reduction compared to packing-only methods on Llama3.1-8B and Llama3.1-70B models. With the co-design of packing, prefetching, and BEOL memories, our approach alleviates HBM constraints and enables efficient long-context LLM inference.

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
LHY完成签到,获得积分10
6秒前
马东完成签到 ,获得积分10
14秒前
优美奇异果完成签到 ,获得积分10
14秒前
默默然完成签到 ,获得积分10
17秒前
等待的幼晴完成签到,获得积分10
28秒前
没名字完成签到 ,获得积分10
28秒前
28秒前
天晴发布了新的文献求助10
33秒前
冷傲的婷冉完成签到,获得积分10
48秒前
53秒前
56秒前
武雨寒发布了新的文献求助10
1分钟前
09nankai发布了新的文献求助10
1分钟前
跳跃的冰安完成签到,获得积分10
1分钟前
王乾宇完成签到 ,获得积分10
1分钟前
simon完成签到,获得积分10
1分钟前
梨落南山雪完成签到 ,获得积分10
1分钟前
真实的画板完成签到 ,获得积分10
1分钟前
六包辣条完成签到 ,获得积分10
1分钟前
睡前来杯黑咖啡完成签到,获得积分10
1分钟前
浪客完成签到 ,获得积分10
1分钟前
宝贝的鱼完成签到 ,获得积分10
1分钟前
夏至完成签到 ,获得积分10
1分钟前
1分钟前
眼睛大的翠绿完成签到 ,获得积分10
1分钟前
SUN完成签到 ,获得积分10
1分钟前
bkagyin的应助被武雨寒采纳,获得10
1分钟前
1分钟前
魔幻的晓灵完成签到,获得积分10
1分钟前
卢敏明发布了新的文献求助10
1分钟前
爱撒娇的从寒完成签到,获得积分10
1分钟前
武雨寒完成签到,获得积分20
1分钟前
武雨寒发布了新的文献求助10
1分钟前
1分钟前
旅行者N0501完成签到,获得积分10
2分钟前
眼睛大的凡波完成签到,获得积分10
2分钟前
lixiang完成签到 ,获得积分10
2分钟前
刻苦青烟完成签到 ,获得积分10
2分钟前
俊逸忆秋完成签到,获得积分10
2分钟前
Elaine完成签到 ,获得积分10
2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
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Stochastic Models in Operations Research,Vol. 2 600
Organizational Behavior 510
桑白皮エキスの実験的, 臨床的育毛効果について 500
Comprehensive Heterocyclic Chemistry IV 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8041701
求助须知:如何正确求助?哪些是违规求助? 9474923
关于积分的说明 21274839
捐赠科研通 7610235
什么是DOI,文献DOI怎么找? 3391470
关于科研通互助平台的介绍 2523009
邀请新用户注册赠送积分活动 2429280