大語言模型端側(cè)部署的時空相似性加速框架：輕量級預(yù)測與流水化執(zhí)行

隨著大語言模型（LLM）在自然語言處理領(lǐng)域的廣泛應(yīng)用，將其部署到端側(cè)設(shè)備（如智能手機、物聯(lián)網(wǎng)設(shè)備等）成為研究熱點。然而，端側(cè)設(shè)備資源受限，如計算能力、內(nèi)存等，使得大語言模型的直接部署面臨巨大挑戰(zhàn)。為了解決這一問題，本文提出一種基于時空相似性的加速框架，通過輕量級預(yù)測與流水化執(zhí)行，提高大語言模型在端側(cè)的運行效率。