arXiv · cs.AI· Mankeerat Sidhu, Gangmuk Lim, Hetarth Chopra, Maximillian Eisenberg, Quan Hao Ng, Aryan Gosaliya, Shu Liu, Luka Govedi\v{c}, Jiaxin Shan, Hongkuan Zhou, Vikram Sharma Mailthody, P. Brighten Godfrey, Ion Stoica·· 2 天前
Koi：面向多云异构大语言模型推理集群的证据引导自校准规划器
Koi: Evidence-Guided, Self-Calibrating Planning for Multi-Cloud, Heterogeneous LLM Inference Fleets
arXiv:2610.24355v1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：Mankeerat Sidhu, Gangmuk Lim, Hetarth Chopra, Maximillian Eisenberg, Quan Hao Ng, Aryan Gosaliya, Shu Liu, Luka Govedi\v{c}, Jiaxin Shan, Hongkuan Zhou, Vikram Sharma Mailthody, P. Brighten Godfrey, Ion Stoica
研究任务与主要进展
基于论文摘要，Koi 提出面向多云异构大语言模型推理集群的自校准规划器，通过递归语言模型、确定性预测组件和固定因果图联合生成并评估集群级部署方案。其在基准测试中相对最强基线实现1.18倍 goodput，并在真实异构集群中将每 token 成本降低20%。消融实验中，纯语言模型、加入确定性工具的模型和完整Koi的复合得分分别为35.3、51.6和70.8。
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