• Regeln für den Dokumente-Bereich:

    In den Börsenbereich gehören nur Angebote die bereits den Allgemeinen Regeln entsprechen.

    Allgemeines:

    Nicht erlaubt im Dokumente-Bereich sind:

    - indizierte Titel (inkl. Comics)
    - extremistische Werke, Zeitschriften und Comics (egal, welche Richtung)
    - jegliche Art von Pornographie
    - Anleitungen zu kriminellen Handlungen, gleich welcher Art
    - sadistische, menschenverachtende oder ähnliche Werke

    Nutzt den "Bedanken"-Button, bei Sammelthreads führen jegliche Kommentare, positiv wie negativ, sehr schnell zu einer Unübersichtlichkeit des Threads. Downmeldungen sind an den Uploader zu richten

    Vor dem Einstellen zu beachten:

    - Suchfunktion

    Vergewissert euch, dass es euer Dokument noch nicht im Board gibt, Doppelposts werden kommentarlos gelöscht. Ist es schon vorhanden, tragt es als Mirror im bestehenden Post ein.

    - Threadtitel

    Idealerweise ist sofort zu erkennen um was es sich handelt. Verseht euren Titel mit den relevanten Informationen, das hilft euch und damit auch uns und allen Suchenden erheblich weiter.

    Beispiel: [Thriller] Dan Brown - Inferno oder bei Magazinen:

    Computerbild - 14/2014 (es muss ersichtlich sein, um welche Ausgabe und welches Magazin es sich handelt)

    Folgende Präfixe stehen im Unterforum "Unterhaltung" zur Verfügung:

    [Humor]
    [Drama]
    [Erotik]
    [Fantasy]
    [Krimi]
    [Roman]
    [Thriller]
    [Horror]
    [Science Fiction]

    Inhalt des Beitrags:

    Folgende Pflichtangaben gilt es einzuhalten:

    - Autor
    - Titel
    - Präfix
    - Cover
    - Genre
    - Inhaltsbeschreibung
    - enthaltene Formate
    - Gesamtgröße des Downloads
    - Hoster
    - ggf. Passwort

    Nicht erlaubt sind alle Dateien, die den Download unnötig aufblähen um eine Affiliategrenze zu erreichen, wie zB. mp3-files, übergroße Bilder, etc.

    Ebenso nicht erlaubt sind sämtliche Dateien mit DRM, persönlichen Daten, etc., diese werden kommentarlos zu eurem eigenem Schutz gelöscht.

    Achtet bitte bei der Konvertierung der Formate auf die Lesbarkeit, ein epub, was nur einfach durch Calibre gejagt wird um ein PDF zu erhalten, ist zu 99% eben nicht lesbar. Wenn ihr es nicht könnt, dann lasst es besser oder lest euch ein, wie man es richtig macht.


    Unterforum Comics:

    Threadtitel:

    Ähnlich, wie bei Unterhaltung und Magazinen, sollte der Titel alle relevanten Informationen enthalten, hier bitte

    - den Titel des Comics
    - den Verlag (einige Comics sind in verschiedenen Verlagen erschienen)
    - das Erscheinungsjahr

    Erlaubt sind folgende Formate:

    - CBR
    - CBZ

    Grundsätzlich gilt: jede Version eines Comics erhält einen eigenen Thread, Ersteller eines Comics können ihre Bände gerne mit dem Zusatz (Original-Release) versehen.

    Bei Unsicherheiten zur korrekten Benennung bitte die Informationen von www.comicguide.de nutzen.

    Inhalt des Beitrags:

    Pflichtangaben hier sind:

    - Titel des Bandes und ggf. Nummer
    - Cover
    - falls bekannt technische Daten (DPI, Breite, Speicherqualität)
    - Größe des Downloads
    - Hoster
    - ggf. Passwort
    - falls bekannt Releasenamen
  • Bitte registriere dich zunächst um Beiträge zu verfassen und externe Links aufzurufen.

++ Premium IPTV ++ 7000 Live Sender ++ UHD Qualität ++ Mediathek mit 18.000 Inhalten ++


VenneTV


LLM Primer VI Scaling AI Systems Architecting Low-Latency LLM Inference for Production Scale

nakara

MyBoerse.bz Pro Member
ad5beb145a81787b2ae78f9998dff4b5.webp

LLM Primer VI Scaling AI Systems: Architecting Low-Latency LLM Inference for Production Scale
English | June 17, 2026 | ASIN: B0H5PRDMPK | 389 pages | Epub | 6.76 MB
A single user generating real-time text leaves a high-end H100 GPU 99.7% idle. Inference engineering is the discipline of finding work for those idle units.LLM Primer VI is the practitioner's playbook for architecting LLM inference at production scale. It walks the full stack between "the model fits in memory" and "the system serves millions of requests a day under contract latency" - token mechanics, KV cache management, hardware selection, model compression, batching and speculation, serving engines, Kubernetes orchestration, and the unit economics of every layer.What's insideThe autoregressive bottleneck - why decoding is memory-bandwidth-bound and prefill is compute-boundKV cache math: the formula, MHA/GQA/MQA trade-offs, and the invention of PagedAttentionNVIDIA (H100/H200/B200/L40S) vs AMD MI300X vs specialized silicon (Groq, Inferentia, TPU, Gaudi)Quantization with AWQ, GPTQ, GGUF, SmoothQuant - and Blackwell's FP4 hardware accelerationPruning, 2:4 sparsity, and Patient Knowledge DistillationContinuous batching, prefix caching, and KV cache eviction (H2O, InfiniGen)Speculative decoding: EAGLE, Medusa, MTP, Lookahead, n-gram, and the verification bottleneckvLLM, TensorRT-LLM, SGLang, TGI, Ollama - when each fitsRay Serve, KServe, Triton, BentoML - the platform layerDisaggregated prefill/decode pools with LeaderWorkerSet, NVIDIA Grove, KAI SchedulerKEDA + Knative autoscaling, CRIU cold-start mitigation under 5 secondsToken economics: input-vs-output asymmetry, conversation accumulation, invisible reasoning tokensServerless vs dedicated breakeven math, microVM sandboxes for agent codeIntelligent model routing, semantic caching, batch APIs, context compactionIncludes four reference appendices: math formulas and cost modeling, hardware specifications guide, deployment configurations with Python and Kubernetes YAML, and benchmarking methodology with TTFT, ITL, and TPS definitions.Code examples in Python and YAML - runnable, not pseudo-code. Nearly 400 pages of real engineering.Written for platform engineers, SREs, and infrastructure architects responsible for LLM inference at scale. Assumes general LLM familiarity at the level of Volume I and comfort with distributed systems.Volume VI of the LLM Primer series.​


​
Links are Interchangeable - Single Extraction​
 
Zurück
Oben Unten