研究揭示多语言LLM推理能耗差异
热点事件持续更新
研究揭示多语言LLM推理能耗差异
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Naihao Deng 等研究者的系统性研究(arXiv:2606.21869,被 EMNLP 2026 接收)测量了大语言模型多语言推理的能耗差异,发现每输出 token 的能耗跨语言最多相差 8.3 倍。 在固定请求集上,总能耗从最便宜的英语(17.6 kJ)到最贵的普什语(3,147 kJ)最多相差 179 倍。研究还发现,能耗最高的语言往往任务准确率最低,且这一能耗鸿沟在不同模型、硬件和任务上都持续存在。
AI 根据报道生成 · 34 分钟前更新
最新进展11月18日 13:00
大语言模型多语言推理的能源鸿沟:不同语言能耗差异有多大报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI大语言模型多语言推理的能源鸿沟:不同语言能耗差异有多大
一项被 EMNLP 2026 接收的系统性研究测量了 LLM 多语言推理的能耗差异:每输出 token 的能耗跨语言最多相差 8.3 倍,固定请求集的总能耗从英语的 17.6 kJ 到普什图语的 3,147 kJ 相差最多 179 倍。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。