计算机科学 > 硬件架构
[提交于 2025年7月1日
]
标题: VEDA:通过基于投票的KV缓存驱逐和数据流灵活加速器实现高效的LLM生成
标题: VEDA: Efficient LLM Generation Through Voting-based KV Cache Eviction and Dataflow-flexible Accelerator
摘要: 大型语言模型(LLMs)在自然语言处理任务中表现出色,但由于其对资源的密集需求,在边缘部署中面临着显著的计算和内存挑战。 本工作通过算法-硬件-数据流三重优化来提高LLM推理的效率。 我们提出了一种基于投票的KV缓存淘汰算法,通过自适应识别不重要的kv向量来平衡硬件效率和算法准确性。 从数据流的角度来看,我们引入了一种灵活的产品数据流和一种运行时可重构的PE阵列用于矩阵-向量乘法。 所提出的方法有效处理了不同的维度需求,并解决了序列长度逐步变化的挑战。 此外,还提出了一种元素串行调度方案,用于非线性操作,如softmax和层归一化(layernorm)。 结果表明,延迟显著减少,同时硬件复杂度从O(N)降低到O(1)。 所提出的解决方案实现在一个定制设计的加速器VEDA中,其性能优于现有的硬件平台。 这项研究在资源受限的边缘设备上的LLM推理方面取得了重大进展,促进了实时处理,增强了数据隐私,并实现了模型定制。
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.