热点事件观察中
研究团队提出LLM推理仿真器GAUSS
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年10月31日，研究团队在arXiv发布论文，提出面向LLM推理服务的负载感知解析与蒙特卡洛模拟器GAUSS。该工具可针对特定工作负载、引擎与加速器配置，预测首token延迟（TTFT）和token间延迟（TBT）的完整分布以及可持续请求率。在技术实现上，GAUSS结合了针对prefill与decode阶段分别校准的延迟曲面和排队模型，并通过集成蒙特卡洛采样替代传统的单trace回放方式，从而有效捕捉尾部延迟，并支持对未部署硬件与调度策略的性能评估。
AI 根据报道生成 · 2 天前更新
最新进展10月31日 12:00
研究团队提出LLM推理模拟器GAUSS，可预测延迟完整分布及可持续请求率。报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIGAUSS：面向 LLM 推理服务的负载感知解析与蒙特卡洛模拟器
研究团队提出面向 LLM 推理服务的负载感知模拟器 GAUSS，可预测特定工作负载、引擎和加速器下的首 token 延迟（TTFT）与 token 间延迟（TBT）完整分布及可持续请求率。该工具结合针对 prefill 和 decode 阶段校准的延迟曲面与排队模型，通过集成蒙特卡洛采样替代单 trace 回放，能有效捕捉尾部延迟并评估未部署的硬件与调度策略。
本事件热度走势
当前热度 3·可比范围峰值 7（11月1日 03:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。