LLMBridge: Reducing Costs to Access LLMs in a Prompt-Centric Internet
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Martin, Noah, Faisal, Abdullah Bin, Eltigani, Hiba, Haroon, Rukhshan, Lamelas, Swaminathan, Dogar, Fahad |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Towards providing reliable job completion time predictions using PCS
par: Faisal, Abdullah Bin, et autres
Publié: (2024)
par: Faisal, Abdullah Bin, et autres
Publié: (2024)
WANSpec: Leveraging Global Compute Capacity for LLM Inference
par: Martin, Noah, et autres
Publié: (2026)
par: Martin, Noah, et autres
Publié: (2026)
RLBoost: Harvesting Preemptible Resources for Cost-Efficient Reinforcement Learning on LLMs
par: Wu, Yongji, et autres
Publié: (2025)
par: Wu, Yongji, et autres
Publié: (2025)
Adaptive K-PackCache: Cost-Centric Data Caching in Cloud
par: Sarkar, Suvarthi, et autres
Publié: (2025)
par: Sarkar, Suvarthi, et autres
Publié: (2025)
WaLLM -- Insights from an LLM-Powered Chatbot deployment via WhatsApp
par: Eltigani, Hiba, et autres
Publié: (2025)
par: Eltigani, Hiba, et autres
Publié: (2025)
Revisiting the Time Cost Model of AllReduce
par: Xiong, Dian, et autres
Publié: (2024)
par: Xiong, Dian, et autres
Publié: (2024)
Accelerating Local LLMs on Resource-Constrained Edge Devices via Distributed Prompt Caching
par: Matsutani, Hiroki, et autres
Publié: (2026)
par: Matsutani, Hiroki, et autres
Publié: (2026)
ServerlessLoRA: Minimizing Latency and Cost in Serverless Inference for LoRA-Based LLMs
par: Sui, Yifan, et autres
Publié: (2025)
par: Sui, Yifan, et autres
Publié: (2025)
Dion2: A Simple Method to Shrink Matrix in Muon
par: Ahn, Kwangjun, et autres
Publié: (2025)
par: Ahn, Kwangjun, et autres
Publié: (2025)
Efficient AllReduce with Stragglers
par: Devraj, Arjun, et autres
Publié: (2025)
par: Devraj, Arjun, et autres
Publié: (2025)
Application-Centric Benchmarking of Distributed FaaS Platforms using BeFaaS
par: Grambow, Martin, et autres
Publié: (2023)
par: Grambow, Martin, et autres
Publié: (2023)
GeoT: Tensor Centric Library for Graph Neural Network via Efficient Segment Reduction on GPU
par: Yu, Zhongming, et autres
Publié: (2024)
par: Yu, Zhongming, et autres
Publié: (2024)
Reducing Energy Bloat in Large Model Training
par: Chung, Jae-Won, et autres
Publié: (2023)
par: Chung, Jae-Won, et autres
Publié: (2023)
Towards cost-effective and resource-aware aggregation at Edge for Federated Learning
par: Khan, Ahmad Faraz, et autres
Publié: (2022)
par: Khan, Ahmad Faraz, et autres
Publié: (2022)
Low-Cost Privacy-Preserving Decentralized Learning
par: Biswas, Sayan, et autres
Publié: (2024)
par: Biswas, Sayan, et autres
Publié: (2024)
Device Scheduling and Assignment in Hierarchical Federated Learning for Internet of Things
par: Zhang, Tinghao, et autres
Publié: (2024)
par: Zhang, Tinghao, et autres
Publié: (2024)
Multimodal Online Federated Learning with Modality Missing in Internet of Things
par: Wang, Heqiang, et autres
Publié: (2025)
par: Wang, Heqiang, et autres
Publié: (2025)
Cost-aware Duration Prediction for Software Upgrades in Datacenters
par: Ding, Yi, et autres
Publié: (2022)
par: Ding, Yi, et autres
Publié: (2022)
Cortex: Achieving Low-Latency, Cost-Efficient Remote Data Access For LLM via Semantic-Aware Knowledge Caching
par: Ruan, Chaoyi, et autres
Publié: (2025)
par: Ruan, Chaoyi, et autres
Publié: (2025)
Fault-tolerant Reduce and Allreduce operations based on correction
par: Kuettler, Martin, et autres
Publié: (2026)
par: Kuettler, Martin, et autres
Publié: (2026)
Preble: Efficient Distributed Prompt Scheduling for LLM Serving
par: Srivatsa, Vikranth, et autres
Publié: (2024)
par: Srivatsa, Vikranth, et autres
Publié: (2024)
DrJAX: Scalable and Differentiable MapReduce Primitives in JAX
par: Rush, Keith, et autres
Publié: (2024)
par: Rush, Keith, et autres
Publié: (2024)
Reducing Communication for Split Learning by Randomized Top-k Sparsification
par: Zheng, Fei, et autres
Publié: (2023)
par: Zheng, Fei, et autres
Publié: (2023)
Distributed client selection with multi-objective in federated learning assisted Internet of Vehicles
par: Cha, Narisu, et autres
Publié: (2024)
par: Cha, Narisu, et autres
Publié: (2024)
Adaptive Resolution Inference (ARI): Energy-Efficient Machine Learning for Internet of Things
par: Wang, Ziheng, et autres
Publié: (2024)
par: Wang, Ziheng, et autres
Publié: (2024)
Age-of-Gradient Updates for Federated Learning over Random Access Channels
par: Wu, Yu Heng, et autres
Publié: (2024)
par: Wu, Yu Heng, et autres
Publié: (2024)
FedAuxHMTL: Federated Auxiliary Hard-Parameter Sharing Multi-Task Learning for Network Edge Traffic Classification
par: Ahmed, Faisal, et autres
Publié: (2024)
par: Ahmed, Faisal, et autres
Publié: (2024)
Parallel Track Transformers: Enabling Fast GPU Inference with Reduced Synchronization
par: Wang, Chong, et autres
Publié: (2026)
par: Wang, Chong, et autres
Publié: (2026)
Speeding up Model Loading with fastsafetensors
par: Yoshimura, Takeshi, et autres
Publié: (2025)
par: Yoshimura, Takeshi, et autres
Publié: (2025)
BOute: Cost-Efficient LLM Serving with Heterogeneous LLMs and GPUs via Multi-Objective Bayesian Optimization
par: Jiang, Youhe, et autres
Publié: (2026)
par: Jiang, Youhe, et autres
Publié: (2026)
Reducing Memory Contention and I/O Congestion for Disk-based GNN Training
par: Jiang, Qisheng, et autres
Publié: (2024)
par: Jiang, Qisheng, et autres
Publié: (2024)
An All-Reduce Compatible Top-K Compressor for Communication-Efficient Distributed Learning
par: Chen, Chuyan, et autres
Publié: (2025)
par: Chen, Chuyan, et autres
Publié: (2025)
Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)
par: Chen, Ziqun, et autres
Publié: (2024)
par: Chen, Ziqun, et autres
Publié: (2024)
Mélange: Cost Efficient Large Language Model Serving by Exploiting GPU Heterogeneity
par: Griggs, Tyler, et autres
Publié: (2024)
par: Griggs, Tyler, et autres
Publié: (2024)
Scalable and Cost-Efficient ML Inference: Parallel Batch Processing with Serverless Functions
par: Barrak, Amine, et autres
Publié: (2025)
par: Barrak, Amine, et autres
Publié: (2025)
Cost-Efficient LLM Serving in the Cloud: VM Selection with KV Cache Offloading
par: Kim, Kihyun, et autres
Publié: (2025)
par: Kim, Kihyun, et autres
Publié: (2025)
Preserving Near-Optimal Gradient Sparsification Cost for Scalable Distributed Deep Learning
par: Yoon, Daegun, et autres
Publié: (2024)
par: Yoon, Daegun, et autres
Publié: (2024)
Cost-Effective Methodology for Complex Tuning Searches in HPC: Navigating Interdependencies and Dimensionality
par: Dieguez, Adrian Perez, et autres
Publié: (2024)
par: Dieguez, Adrian Perez, et autres
Publié: (2024)
Incentivizing Permissionless Distributed Learning of LLMs
par: Lidin, Joel, et autres
Publié: (2025)
par: Lidin, Joel, et autres
Publié: (2025)
Understanding and Reducing Metadata-Driven Host Overheads in Sampling-Based GNN Training
par: Gong, Yidong, et autres
Publié: (2026)
par: Gong, Yidong, et autres
Publié: (2026)
Documents similaires
-
Towards providing reliable job completion time predictions using PCS
par: Faisal, Abdullah Bin, et autres
Publié: (2024) -
WANSpec: Leveraging Global Compute Capacity for LLM Inference
par: Martin, Noah, et autres
Publié: (2026) -
RLBoost: Harvesting Preemptible Resources for Cost-Efficient Reinforcement Learning on LLMs
par: Wu, Yongji, et autres
Publié: (2025) -
Adaptive K-PackCache: Cost-Centric Data Caching in Cloud
par: Sarkar, Suvarthi, et autres
Publié: (2025) -
WaLLM -- Insights from an LLM-Powered Chatbot deployment via WhatsApp
par: Eltigani, Hiba, et autres
Publié: (2025)