A Study of Skews, Imbalances, and Pathological Conditions in LLM Inference Deployment on GPU Clusters detectable from DPU
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Moye, Javed I. Khan an Henry Uwabor |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Skew-Probabilistic Neural Networks for Learning from Imbalanced Data
par: Naik, Shraddha M., et autres
Publié: (2023)
par: Naik, Shraddha M., et autres
Publié: (2023)
Harvest: Opportunistic Peer-to-Peer GPU Caching for LLM Inference
par: Gopal, Nikhil, et autres
Publié: (2026)
par: Gopal, Nikhil, et autres
Publié: (2026)
Provable Imbalanced Point Clustering
par: Denisov, David, et autres
Publié: (2024)
par: Denisov, David, et autres
Publié: (2024)
HGCA: Hybrid GPU-CPU Attention for Long Context LLM Inference
par: Deng, Weishu, et autres
Publié: (2025)
par: Deng, Weishu, et autres
Publié: (2025)
MCAP: Deployment-Time Layer Profiling for Memory-Constrained LLM Inference
par: Das, Anurita
Publié: (2026)
par: Das, Anurita
Publié: (2026)
A Generalized Unified Skew-Normal Process with Neural Bayes Inference
par: Wang, Kesen, et autres
Publié: (2024)
par: Wang, Kesen, et autres
Publié: (2024)
AGFT: An Adaptive GPU Frequency Tuner for Real-Time LLM Inference Optimization
par: Ye, Zicong, et autres
Publié: (2025)
par: Ye, Zicong, et autres
Publié: (2025)
Characterizing LLM Inference Energy-Performance Tradeoffs across Workloads and GPU Scaling
par: Maliakel, Paul Joe, et autres
Publié: (2025)
par: Maliakel, Paul Joe, et autres
Publié: (2025)
SpecOffload: Unlocking Latent GPU Capacity for LLM Inference on Resource-Constrained Devices
par: Zhuge, Xiangwen, et autres
Publié: (2025)
par: Zhuge, Xiangwen, et autres
Publié: (2025)
EnergyLens: Predictive Energy-Aware Exploration for Multi-GPU LLM Inference Optimization
par: Song, Zhiye, et autres
Publié: (2026)
par: Song, Zhiye, et autres
Publié: (2026)
A systematic literature Review for Transformer-based Software Vulnerability detection
par: Naseer, Fiza, et autres
Publié: (2026)
par: Naseer, Fiza, et autres
Publié: (2026)
Conformal Inference for Open-Set and Imbalanced Classification
par: Xie, Tianmin, et autres
Publié: (2025)
par: Xie, Tianmin, et autres
Publié: (2025)
LiteCache: A Query Similarity-Driven, GPU-Centric KVCache Subsystem for Efficient LLM Inference
par: Yi, Jiawei, et autres
Publié: (2025)
par: Yi, Jiawei, et autres
Publié: (2025)
MNN-LLM: A Generic Inference Engine for Fast Large Language Model Deployment on Mobile Devices
par: Wang, Zhaode, et autres
Publié: (2025)
par: Wang, Zhaode, et autres
Publié: (2025)
Accelerating Sparse Transformer Inference on GPU
par: Dai, Wenhao, et autres
Publié: (2025)
par: Dai, Wenhao, et autres
Publié: (2025)
Imbalanced Data Clustering using Equilibrium K-Means
par: He, Yudong
Publié: (2024)
par: He, Yudong
Publié: (2024)
Recovering Imbalanced Clusters via Gradient-Based Projection Pursuit
par: Eppert, Martin, et autres
Publié: (2025)
par: Eppert, Martin, et autres
Publié: (2025)
Challenging GPU Dominance: When CPUs Outperform for On-Device LLM Inference
par: Zhang, Haolin, et autres
Publié: (2025)
par: Zhang, Haolin, et autres
Publié: (2025)
The cognitive companion: a lightweight parallel monitoring architecture for detecting and recovering from reasoning degradation in LLM agents
par: Khan, Rafflesia, et autres
Publié: (2026)
par: Khan, Rafflesia, et autres
Publié: (2026)
Addressing Class Imbalance with Probabilistic Graphical Models and Variational Inference
par: Lou, Yujia, et autres
Publié: (2025)
par: Lou, Yujia, et autres
Publié: (2025)
ECGN: A Cluster-Aware Approach to Graph Neural Networks for Imbalanced Classification
par: Thapaliya, Bishal, et autres
Publié: (2024)
par: Thapaliya, Bishal, et autres
Publié: (2024)
CHAI: Clustered Head Attention for Efficient LLM Inference
par: Agarwal, Saurabh, et autres
Publié: (2024)
par: Agarwal, Saurabh, et autres
Publié: (2024)
A Robust Clustered Federated Learning Approach for Non-IID Data with Quantity Skew
par: Ali, Michael Ben, et autres
Publié: (2025)
par: Ali, Michael Ben, et autres
Publié: (2025)
Confidential LLM Inference: Performance and Cost Across CPU and GPU TEEs
par: Chrapek, Marcin, et autres
Publié: (2025)
par: Chrapek, Marcin, et autres
Publié: (2025)
DPU or GPU for Accelerating Neural Networks Inference -- Why not both? Split CNN Inference
par: Oztas, Ali Emre, et autres
Publié: (2026)
par: Oztas, Ali Emre, et autres
Publié: (2026)
ModeSwitch-LLM: A Lightweight Phase-Aware Controller for Cross-Mode LLM Inference on a Single GPU
par: Sunesh, Aman, et autres
Publié: (2026)
par: Sunesh, Aman, et autres
Publié: (2026)
Mind the Memory Gap: Unveiling GPU Bottlenecks in Large-Batch LLM Inference
par: Recasens, Pol G., et autres
Publié: (2025)
par: Recasens, Pol G., et autres
Publié: (2025)
CoLLM: Continuous Adaptation for SLO-Aware LLM Serving on Shared GPU Clusters
par: Huang, Shaoyuan, et autres
Publié: (2026)
par: Huang, Shaoyuan, et autres
Publié: (2026)
Characterizing WebGPU Dispatch Overhead for LLM Inference Across Four GPU Vendors, Three Backends, and Three Browsers
par: Maczan, Jędrzej
Publié: (2026)
par: Maczan, Jędrzej
Publié: (2026)
Energy-Efficient Vision Transformer Inference for Edge-AI Deployment
par: Amanzhol, Nursultan, et autres
Publié: (2025)
par: Amanzhol, Nursultan, et autres
Publié: (2025)
Forecasting GPU Performance for Deep Learning Training and Inference
par: Lee, Seonho, et autres
Publié: (2024)
par: Lee, Seonho, et autres
Publié: (2024)
An Analytical Multiple Criteria Framework for Temporal and Dynamic Business-to-Business Customer Segmentation in Manufacturing
par: Raees, Muhammad, et autres
Publié: (2026)
par: Raees, Muhammad, et autres
Publié: (2026)
Efficient Edge LLMs Deployment via HessianAware Quantization and CPU GPU Collaborative
par: Zhang, Tuo, et autres
Publié: (2025)
par: Zhang, Tuo, et autres
Publié: (2025)
CTTVAE: Latent Space Structuring for Conditional Tabular Data Generation on Imbalanced Datasets
par: Devic, Milosh, et autres
Publié: (2026)
par: Devic, Milosh, et autres
Publié: (2026)
LO-BCQ: Block Clustered Quantization for 4-bit (W4A4) LLM Inference
par: Elangovan, Reena, et autres
Publié: (2025)
par: Elangovan, Reena, et autres
Publié: (2025)
Skew-adaptive conformal prediction
par: F., Paulo C. Marques, et autres
Publié: (2026)
par: F., Paulo C. Marques, et autres
Publié: (2026)
Private LLM Inference on Consumer Blackwell GPUs: A Practical Guide for Cost-Effective Local Deployment in SMEs
par: Knoop, Jonathan, et autres
Publié: (2026)
par: Knoop, Jonathan, et autres
Publié: (2026)
PROTOCOL: Partial Optimal Transport-enhanced Contrastive Learning for Imbalanced Multi-view Clustering
par: Xue, Xuqian, et autres
Publié: (2025)
par: Xue, Xuqian, et autres
Publié: (2025)
FloE: On-the-Fly MoE Inference on Memory-constrained GPU
par: Zhou, Yuxin, et autres
Publié: (2025)
par: Zhou, Yuxin, et autres
Publié: (2025)
Toward Robust and Efficient ML-Based GPU Caching for Modern Inference
par: Chen, Peng, et autres
Publié: (2025)
par: Chen, Peng, et autres
Publié: (2025)
Documents similaires
-
Skew-Probabilistic Neural Networks for Learning from Imbalanced Data
par: Naik, Shraddha M., et autres
Publié: (2023) -
Harvest: Opportunistic Peer-to-Peer GPU Caching for LLM Inference
par: Gopal, Nikhil, et autres
Publié: (2026) -
Provable Imbalanced Point Clustering
par: Denisov, David, et autres
Publié: (2024) -
HGCA: Hybrid GPU-CPU Attention for Long Context LLM Inference
par: Deng, Weishu, et autres
Publié: (2025) -
MCAP: Deployment-Time Layer Profiling for Memory-Constrained LLM Inference
par: Das, Anurita
Publié: (2026)