meng shao(@shao__meng)· meng shao (@shao__meng)·· 3 小时前AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
LLM 推理性能框架：Prefill 拼算力，Decode 拼带宽
LLM 推理性能核心框架：同一个模型在"读"和"写"两个阶段，瓶颈完全不同，理解这一点是所有推理优化（量化、批处理、投机解码）的基础 文档：https://t.co/ppOMc83LsX # 核心...
AI 导读
这篇内容介绍 LLM 推理性能的核心框架：一次推理由 Prefill 和 Decode 两个阶段组成，Prefill 并行读入整个 prompt 并写入 KV 缓存、产出第一个 token，瓶颈在算力；Decode 自回归逐 token 生成、每次都要读权重和全部历史 KV，瓶颈在内存带宽。
来源：meng shao(@shao__meng) · x.com