GORGO: Online Tuning for Cross-Region Network-Aware LLM Serving
GORGO is a proxy architecture that optimizes LLM inference load balancing by jointly considering network latency, prefill cost, and queueing delay through evolutionary strategy tun…
Hugging Face · Daily Papers
·Alessio Ricci Toniolo, Rome Thorstenson
·
·▲ 2 upvotes
Este artigo está em destaque na seleção diária de papers do Hugging Face, curada pela comunidade de pesquisa em IA.
Autores: Alessio Ricci Toniolo, Rome Thorstenson, Abinaya Dinesh
- 2 upvotes da comunidade
- Temas: LLM inference services, load-balancing policies, KV-cache locality, replica load, network latency, prefill cost
Resumo
Resumo original (em inglês), extraído do paper:
GORGO is a proxy architecture that optimizes LLM inference load balancing by jointly considering network latency, prefill cost, and queueing delay through evolutionary strategy tuning on a new synthetic dataset.Onde ler
// relacionados
Leia também
Editorial
EdgeBench: 38 mil horas de agentes trabalhando revelam uma lei de escala inesperada
Editorial
Hy3: a Tencent libera seu modelo de 295 bilhões sob Apache 2.0 — e sem fronteiras
Editorial
InternVLA-A1.5: o robô que imagina o próximo segundo antes de mover o braço
Editorial