让GPU砍半

【新智元导读】打「排位赛」的大模型们背后秘密武器曝光!UC伯克利重磅开源神级LLM推理系统——vLLM，利用PagedAttention，比HuggingFace/Transformers快24倍，GPU数量减半。过去2个月，来自UC伯克利的研究人员给大语言模型们安排了一个擂台——ChatbotArena。