论文的主要研究对象是什么？
掩码扩散语言模型（dLLM）的服务系统，使用 LLaDA-8B-Instruct 和 D2F LoRA 适配器，在单张 NVIDIA H200 GPU 上评测。
Serving Masked Diffusion LLMs: Characterization and Design Principles from Real Hardware
（翻译）服务掩码扩散大语言模型：基于真实硬件的特性分析与设计原则
资讯摘要
Abstract page for arXiv paper 2608.23807: Serving Masked Diffusion LLMs: Characterization and Design Principles from Real Hardware
AI 摘要
该论文在真实硬件（NVIDIA H200）上对掩码扩散语言模型的服务系统进行特征分析，发现请求难度呈离散分布，单个请求的 GPU 计算仅占墙钟时间的 24%，批处理可将吞吐量提升约 16 倍，并提出了固定填充同步批处理的批量超时规则。研究使用 LLaDA-8B-Instruct 和 D2F LoRA 适配器，在 GSM8K 和 HumanEval 上完成评测。
AI 问答
单个请求中 GPU 计算时间占多少比例？
仅约 24% 的墙钟时间是 GPU 计算，其余主要是 CPU 端的分发开销。
批处理对吞吐量有什么影响？
当批量大小为 16 时，相比逐请求分发基线，吞吐量提升约 16 倍，主要源于摊销 CPU 分发开销。