CascadeInfer: Length-Aware Scheduling of LLM Serving with Low Latency and Load Balancing

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Yuan, Yitao, Zhao, Chenqi, Zhao, Bohan, Cao, Zane, He, Yongchao, Wu, Wenfei
Formato:	Preprint
Publicado:	2025
Materias:	Distributed, Parallel, and Cluster Computing
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2512.19179