计算机科学 > 硬件架构
[提交于 2025年7月12日
]
标题: SLIM:通过自适应阈值实现稀疏大型语言模型边缘推理的异构加速器
标题: SLIM: A Heterogeneous Accelerator for Edge Inference of Sparse Large Language Model via Adaptive Thresholding
摘要: 大型语言模型(LLMs)在理解和生成人类语言方面表现出色,但由于前馈网络(FFN)和多头注意力(MHA)层中的大模型尺寸和内存密集型操作,资源受限的嵌入式设备上的高效推理仍然具有挑战性。 尽管现有的加速器将LLM推理卸载到昂贵的异构计算系统,但它们未能利用LLM操作中固有的显著稀疏性,导致硬件资源未被充分利用。 我们提出了SLIM,这是一种针对边缘设备上稀疏LLM服务的算法-硬件协同设计。 SLIM通过自适应阈值算法利用LLM的稀疏性,实现实时可配置的稀疏性,且精度损失可以忽略不计,仅获取激活的神经元,从而大幅减少数据移动。 我们的异构硬件架构战略性地结合了存储近端处理(NSP)和内存内处理(PIM):FFN权重存储在高密度3D NAND中,并使用NSP单元进行计算,而内存密集型的MHA操作则在PIM模块中处理。 这种设计显著减少了内存占用、数据移动和能耗。 我们的全面评估证明了SLIM的有效性,在保持低延迟的同时,相比SSD-GPU系统实现了13-18倍的吞吐量提升,相比DRAM-GPU系统实现了9-10倍更好的能效,使边缘计算环境中的低成本LLM部署成为可能。
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.