计算机科学 > 分布式、并行与集群计算
[提交于 2025年6月30日
]
标题: Agent.xpu:异构 SoC 上代理 LLM 工作负载的高效调度
标题: Agent.xpu: Efficient Scheduling of Agentic LLM Workloads on Heterogeneous SoC
摘要: 代理大型语言模型(LLMs)在个人设备上的普及引入了一类新的工作负载,其特点是目标的二元性。 反应性任务由用户发起,需要立即、低延迟的响应,而主动性任务则在后台运行,并优先考虑吞吐量。 现有的设备端LLM引擎,专为独立推理设计,在消费级异构SoC(具有CPU、集成GPU和NPU)上无法高效管理这些同时发生且相互冲突的请求。 本文介绍了 Agent.xpu,一种用于内存统一的异构SoC上的代理LLM工作负载的高效服务系统。 通过专用的离线分析,Agent.xpu首先构建一个异构执行图,该图融合并分块模型内核,以亲和性引导的方式进行弹性加速器映射,并带有预测性内核注释。 在运行时,其在线调度器实现了细粒度的内核级抢占,以保证反应性任务的响应性。 为了最大化SoC的利用率,它采用空闲感知的内核填充来机会性地附加主动性任务,并通过带宽感知的分发减轻NPU-iGPU的竞争。 在Intel Core Ultra SoC上的评估显示,与最先进的推理引擎相比,Agent.xpu在反应性任务上的延迟降低了 4.6$\times$,并在主动性任务上保持了 1.6$\times$-6.8$\times$的更高吞吐量。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.