Гибкий оркестр для языковых моделей ✛

Оригинал: "Elastic Gang: Per-Token Membership Change for a Hard-Barriered LLM Inference Gang Co-Scheduled with OS Processes"
· Daeyeon Son
arXiv:2607.04668 · 2026-07-06 · CC BY-SA 4.0 · 2 мин
Группа процессорных ядер может гибко подстраиваться под нагрузку, выполняя языковые модели без ошибок и зависаний.

Восемь музыкантов замерли перед началом симфонии. Их партия — по очереди давать ответы большой языковой модели. Но вот беда: если один опоздал, все остальные не могут играть — ни одной ноты. Так работают обычные процессоры: когда много ядер трудятся сообща над задачами машинного обучения, они должны встречаться в строго определённых точках (барьерах). Отлучка даже одного ядра подвешивает всю группу, а замена его другим может исказить результат.

В Anima OS — операционной системе на языке Rust — эту проблему решили, превратив жёсткую группу в гибкий оркестр без дирижёра. Каждое ядро-музыкант может войти или выйти только между музыкальными фразами — то есть между токенами (кусочками слов). Система использует простой протокол: перед началом фразы все ядра откликаются, соглашаясь играть, и из них составляется список. Этот список фиксируется, и дальше работа идёт только с теми, кто в него попал. Кто не успел — не страшно, он пропускает эту фразу, а его работу делают соседи.

Даже при трёхстах переключениях между задачами за 10 секунд, ИИ ни разу не ошибся в словах, а колебания скорости работы не превысили 0,9%.

Испытания на процессоре AMD Ryzen 9 с моделями SmolLM2-135M и Qwen2.5-7B показали: когда четверть времени отводилась ИИ, общая производительность для обычных задач выросла в 1,75 раза — с 327 до 574 служебных операций в секунду. При этом модель отвечала так же быстро, а каждое слово в точности совпадало с тем, что выдала бы строгая изолированная группа. Возврат занятого ядра происходил почти мгновенно — за 0,22 микросекунды (миллионной доли секунды). Даже если ядро было занято чужим процессом, его подхватывали максимум через 16 миллисекунд.

При четверти загрузки ИИ гибкая группа ядер подняла общую скорость работы системы в 1,75 раза — и ни разу не ошиблась.

Гибкий оркестр ломает привычное правило, что синхронные вычисления нельзя делить с другими. Теперь языковые модели — не изолированные программы, а гибкие задачи, которые умеют договариваться о ресурсах. Как оркестр, который меняет состав между частями симфонии, процессор может одолжить ядра ИИ на миг и тут же вернуть их остальным делам. В будущем такое решение можно перенести в обычный Linux, адаптировать для мобильных процессоров и встроить в системы энергосбережения. Теперь опоздавшее ядро — не беда. Не успев к общему старту, оно просто пропускает такт, а гибкий оркестр продолжает играть — и ни одна нота не фальшивит.

Даже при 301 переключении задач за 10 секунд модель ни разу не выдала ни одного неверного слова, а скорость колебалась в пределах 0,9%.

Понятия
машина Тьюринга большие языковые модели