FasterTransformer — أخبار ونماذج الذكاء الاصطناعي

تدهور استدلال نماذج اللغة الكبيرة في الإنتاج: ذاكرة التخزين المؤقت KV، نفاد الذاكرة، والذيل p99

غالبًا ما يتدهور استدلال نماذج اللغة الكبيرة في الإنتاج تدريجيًا بسبب تجزئة ذاكرة التخزين المؤقت (KV-cache)، نفاد الذاكرة في السياقات الطويلة، حجب قائمة الانتظار، وارتفاع زمن الاستجابة في الذيل. يشرح المبشر التقني في VK Cloud، ستاس بوغورزيلسكي، أربع آليات تسبب تدهور الأداء، ويقدم نصوصًا لإعادة الإنتاج ومقاييس لاكتشاف المشكلات قبل وقوع الحوادث.

vLLM