#延迟

连续批处理如何提升大模型吞吐：迭代级调度与延迟权衡

在线聊天服务中，静态批处理因输出长度差异导致GPU利用率低下。本文以聊天场景贯穿，解释连续批处理如何通过迭代级调度动态加入和完成请求，分析其对TTFT和TPOT的影响，并讨论最大批大小、队列策略等参数如何权衡吞吐与延迟，以及适用边界。