Ein Blick in das Innere eines TransformersLLM-EntwicklungDie autoregressive Natur von TransformernTransformer-Architektur nur mit DecoderErfassung des Token-Kontexts durch Berechnung der AufmerksamkeitAusführung der LLM-Generierung: Eine Schritt-für-Schritt-AnleitungFühre das Qwen-Modell ausModellvorhersage, Zeile für ZeileAktiviere den KV-Cache, um die Leistung zu steigernDie Prefill- und Decode-PhasenFühre das LLM mit einem Serving-Framework aus Bereite das LLM (Qwen) mit vLLM bereitLeistungsvergleich: vLLM versus Hugging Face TransformersGrundlagen des LLM-Streaming-ServingsGrundlagen des LLM-Batch-ServingsZusammenfassung