华为云官方博客 ·

5个高并发场景优化的衡量指标

💡 原文中文，约2200字，阅读约需6分钟。

📝

内容提要

本文介绍了性能优化的衡量指标，包括吞吐量、响应时间、并发量、秒开率和正确性。优化需要注意的问题包括不要过早优化、考虑当下环境、聚焦性能瓶颈、权衡成本和收益等。

🏷️

通过专用GPU内核生成实现极致效率
Proteus系统利用智能体自动生成GPU专用内核，针对不同模型和运行时形状实现极致性能优化。通过严格验证、防作弊检查及知识层管理，Proteus为Qwe...
企业选择 RTC 推流服务时应该关注哪些指标？
选择RTC推流服务时，需核实四类指标：体验指标（延迟、卡顿率、成功率）要明确统计口径；网络能力（抗丢包、抖动吸收、节点覆盖）决定体验上限；可观测性（质量大...
Allora Labs证明变异AI模型群体性能超单个优化模型
Allora Labs研究表明，在AI模型群体中引入随机变异可提升整体性能，超越单个优化模型。变异群体在环境变化时表现更优，最佳情况下约80%优于优化群体...
Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...