计算机科学 > 分布式、并行与集群计算
[提交于 2025年7月3日
]
标题: FlowSpec:用于高效分布式大语言模型推理的连续流水线推测解码
标题: FlowSpec: Continuous Pipelined Speculative Decoding for Efficient Distributed LLM Inference
摘要: 分布式推理是一种有前景的方法,用于在网络边缘实现大型语言模型(LLMs)的推理。 它将推理过程分配到多个设备上,以确保LLMs能够适应设备内存。 最近的流水线方法有望并行化通信和计算,这有助于减少推理延迟。 然而,当网络边缘的推理请求稀疏时,这种优势会减弱,此时流水线通常利用率较低。 为了在边缘实现高效的分布式LLM推理,我们提出了 \textbf{流规范},一种基于流水线并行的树状推测解码框架。 FlowSpec结合了三种关键机制来提高解码效率:1)基于分数的逐步验证优先考虑更重要的草稿标记,以带来更早接受的标记;2)高效的草稿管理,在验证过程中修剪无效标记同时保持正确的因果关系;3)动态草稿扩展策略,以提供高质量的推测输入。 这些技术协同工作,以提高流水线利用率和推测效率。 我们在一个真实世界的测试平台与其他基线进行了FlowSpec的评估。 实验结果表明,我们提出的框架在各种模型和配置中显著提高了推理速度,与基线相比,加速比为1.36$\times$-1.77$\times$。 我们的代码可在 \href{https://github.com/Leosang-lx/FlowSpec#}{https://github.com/Leosang-lx/FlowSpec#}公开获得。
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.