arXiv · cs.AI· Jingpo Xu, Paul Joe Maliakel, Ivona Brandic, Shashikant Ilager·· 2 天前
DySCo：通过深度同步批处理实现边缘—云协同大语言模型推理
DySCo: Dynamic Sharding for Collaborative Edge-Cloud LLM Inference with Depth-Synchronized Batching
arXiv:2610.08268v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jingpo Xu, Paul Joe Maliakel, Ivona Brandic, Shashikant Ilager
研究任务与主要进展
研究作者提出 DySCo，用于边缘设备与云端协同的大语言模型推理，并引入深度同步批处理以合并不同切分深度请求的公共后缀。基于论文摘要，在平均并发度为 8 时，DSB 相比 FIFO 的吞吐量提升 275%，相比精确匹配批处理提升 48%，相比轮询交错提升 79%，同时降低平均会话延迟；实验覆盖异构设备、两类模型以及本地和广域链路，代码仓库已公开。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org