{"id":12942,"date":"2026-10-22T17:21:16","date_gmt":"2026-10-22T10:21:16","guid":{"rendered":"https:\/\/blogdee.com\/?p=12942"},"modified":"2026-10-22T17:21:16","modified_gmt":"2026-10-22T10:21:16","slug":"hybridinfer-%e0%b8%a3%e0%b8%b0%e0%b8%9a%e0%b8%9a%e0%b9%80%e0%b8%a5%e0%b8%b7%e0%b8%ad%e0%b8%81%e0%b8%a3%e0%b8%b0%e0%b8%94%e0%b8%b1%e0%b8%9a%e0%b8%9b%e0%b8%a3%e0%b8%b0%e0%b8%a1%e0%b8%a7%e0%b8%a5","status":"publish","type":"post","link":"https:\/\/blogdee.com\/?p=12942","title":{"rendered":"HybridInfer: \u0e23\u0e30\u0e1a\u0e1a\u0e40\u0e25\u0e37\u0e2d\u0e01\u0e23\u0e30\u0e14\u0e31\u0e1a\u0e1b\u0e23\u0e30\u0e21\u0e27\u0e25\u0e1c\u0e25 LLM \u0e41\u0e1a\u0e1a\u0e04\u0e33\u0e19\u0e36\u0e07\u0e16\u0e36\u0e07\u0e2d\u0e38\u0e13\u0e2b\u0e20\u0e39\u0e21\u0e34\u0e14\u0e49\u0e27\u0e22 Reinforcement Learning"},"content":{"rendered":"<p>\u0e01\u0e32\u0e23\u0e23\u0e31\u0e19\u0e42\u0e21\u0e40\u0e14\u0e25\u0e20\u0e32\u0e29\u0e32\u0e02\u0e19\u0e32\u0e14\u0e40\u0e25\u0e47\u0e01\u0e1a\u0e19\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c (on-device) \u0e40\u0e0a\u0e48\u0e19 Llama 3.2 3B \u0e21\u0e35\u0e02\u0e49\u0e2d\u0e44\u0e14\u0e49\u0e04\u0e37\u0e2d\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e2d\u0e22\u0e39\u0e48\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07 \u0e17\u0e33\u0e07\u0e32\u0e19\u0e2d\u0e2d\u0e1f\u0e44\u0e25\u0e19\u0e4c \u0e41\u0e25\u0e30\u0e44\u0e21\u0e48\u0e21\u0e35\u0e04\u0e48\u0e32\u0e43\u0e0a\u0e49\u0e08\u0e48\u0e32\u0e22\u0e15\u0e48\u0e2d\u0e04\u0e33\u0e16\u0e32\u0e21 \u0e41\u0e15\u0e48\u0e40\u0e08\u0e2d\u0e02\u0e49\u0e2d\u0e08\u0e33\u0e01\u0e31\u0e14\u0e14\u0e49\u0e32\u0e19\u0e04\u0e27\u0e32\u0e21\u0e23\u0e49\u0e2d\u0e19\u0e17\u0e35\u0e48\u0e23\u0e38\u0e19\u0e41\u0e23\u0e07\u0e01\u0e27\u0e48\u0e32\u0e01\u0e32\u0e23\u0e0a\u0e49\u0e32\u0e25\u0e07\u0e40\u0e1e\u0e35\u0e22\u0e07\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e40\u0e14\u0e35\u0e22\u0e27 \u0e1a\u0e19\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c\u0e1f\u0e25\u0948\u0e01\u0e0a\u0e34\u0e1e Snapdragon \u0e01\u0e32\u0e23\u0e2a\u0e23\u0e49\u0e32\u0e07\u0e02\u0e49\u0e2d\u0e04\u0e27\u0e32\u0e21\u0e15\u0e48\u0e2d\u0e40\u0e19\u0e37\u0e48\u0e2d\u0e07\u0e17\u0e33\u0e43\u0e2b\u0e49 GPU inference runtime \u0e44\u0e21\u0e48\u0e40\u0e2a\u0e16\u0e35\u0e22\u0e23 \u0e08\u0e19\u0e01\u0e23\u0e30\u0e17\u0e31\u0e48\u0e07\u0e04\u0e23\u0e31\u0e0a\u0e2b\u0e23\u0e37\u0e2d\u0e04\u0e49\u0e32\u0e07\u0e2b\u0e25\u0e31\u0e07\u0e08\u0e32\u0e01\u0e40\u0e1e\u0e35\u0e22\u0e07\u0e44\u0e21\u0e48\u0e01\u0e35\u0e48\u0e04\u0e33\u0e16\u0e32\u0e21\u0e15\u0e34\u0e14\u0e15\u0e48\u0e2d\u0e01\u0e31\u0e19<\/p>\n<p>\u0e2a\u0e32\u0e40\u0e2b\u0e15\u0e38\u0e21\u0e32\u0e08\u0e32\u0e01\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e21\u0e37\u0e2d\u0e1b\u0e31\u0e08\u0e08\u0e38\u0e1a\u0e31\u0e19 (OpenCL kernel compilation \u0e41\u0e25\u0e30 long-prompt prefill \u0e1a\u0e19 GPU \u0e21\u0e37\u0e2d\u0e16\u0e37\u0e2d) \u0e40\u0e01\u0e34\u0e14\u0e02\u0e36\u0e49\u0e19\u0e41\u0e21\u0e49\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c\u0e40\u0e22\u0e47\u0e19 \u0e41\u0e25\u0e30\u0e23\u0e38\u0e19\u0e41\u0e23\u0e07\u0e17\u0e35\u0e48\u0e2a\u0e38\u0e14\u0e40\u0e21\u0e37\u0e48\u0e2d\u0e2a\u0e23\u0e49\u0e32\u0e07\u0e02\u0e49\u0e2d\u0e04\u0e27\u0e32\u0e21\u0e22\u0e32\u0e27 \u0e23\u0e30\u0e1a\u0e1a HybridInfer \u0e08\u0e36\u0e07\u0e19\u0e33\u0e40\u0e2a\u0e19\u0e2d\u0e40\u0e1b\u0e47\u0e19 thermal-aware reinforcement-learning router \u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e25\u0e33\u0e14\u0e31\u0e1a\u0e0a\u0e31\u0e49\u0e19\u0e2a\u0e32\u0e21\u0e23\u0e30\u0e14\u0e31\u0e1a \u0e44\u0e14\u0e49\u0e41\u0e01\u0e48 on-device Llama 3.2 3B, edge Llama 3.1 8B \u0e1e\u0e23\u0e49\u0e2d\u0e21 retrieval, \u0e41\u0e25\u0e30 cloud GPT-4o<\/p>\n<p>\u0e23\u0e30\u0e1a\u0e1a\u0e43\u0e0a\u0e49\u0e2b\u0e31\u0e27\u0e17\u0e48\u0e2d\u0e19\u0e04\u0e27\u0e32\u0e21\u0e23\u0e49\u0e2d\u0e19\u0e02\u0e2d\u0e07\u0e42\u0e17\u0e23\u0e28\u0e31\u0e1e\u0e17\u0e4c\u0e41\u0e25\u0e30\u0e01\u0e32\u0e23\u0e1b\u0e23\u0e30\u0e21\u0e32\u0e13\u0e04\u0e27\u0e32\u0e21\u0e0b\u0e31\u0e1a\u0e0b\u0e49\u0e2d\u0e19\u0e02\u0e2d\u0e07\u0e04\u0e33\u0e16\u0e32\u0e21\u0e40\u0e1b\u0e47\u0e19 state \u0e41\u0e25\u0e49\u0e27\u0e40\u0e25\u0e37\u0e2d\u0e01\u0e23\u0e30\u0e14\u0e31\u0e1a\u0e14\u0e49\u0e27\u0e22\u0e19\u0e42\u0e22\u0e1a\u0e32\u0e22 Q-learning \u0e17\u0e35\u0e48\u0e1d\u0e36\u0e01\u0e2d\u0e2d\u0e1f\u0e44\u0e25\u0e19\u0e4c \u0e1f\u0e31\u0e07\u0e01\u0e4c\u0e0a\u0e31\u0e19\u0e23\u0e32\u0e07\u0e27\u0e31\u0e25 c\u00e2n \u0e42\u0e14\u0e22\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e \u0e15\u0e48\u0e2d \u0e04\u0e27\u0e32\u0e21\u0e25\u0e48\u0e32\u0e0a\u0e49\u0e32 \u0e15\u0e49\u0e19\u0e17\u0e38\u0e19 \u0e04\u0e48\u0e32\u0e1b\u0e23\u0e31\u0e1a\u0e04\u0e27\u0e32\u0e21\u0e23\u0e49\u0e2d\u0e19 \u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e42\u0e1a\u0e19\u0e31\u0e2a\u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e01\u0e32\u0e23\u0e23\u0e31\u0e19\u0e1a\u0e19\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c<\/p>\n<p>\u0e08\u0e32\u0e01\u0e01\u0e32\u0e23\u0e17\u0e14\u0e2a\u0e2d\u0e1a\u0e08\u0e23\u0e34\u0e07\u0e1a\u0e19 Android 210 \u0e04\u0e33\u0e16\u0e32\u0e21 (\u0e1e\u0e23\u0e49\u0e2d\u0e21 gold references \u0e41\u0e0a\u0e48\u0e41\u0e02\u0e47\u0e07) \u0e23\u0e30\u0e1a\u0e1a\u0e17\u0e35\u0e48\u0e40\u0e23\u0e35\u0e22\u0e19\u0e23\u0e39\u0e49\u0e44\u0e14\u0e49\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e\u0e2a\u0e39\u0e07\u0e01\u0e27\u0e48\u0e32\u0e2a\u0e2d\u0e07\u0e27\u0e34\u0e18\u0e35 heuristic \u0e17\u0e35\u0e48\u0e1b\u0e23\u0e31\u0e1a\u0e14\u0e49\u0e27\u0e22\u0e21\u0e37\u0e2d\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e21\u0e35\u0e19\u0e31\u0e22\u0e2a\u0e33\u0e04\u0e31\u0e0d\u0e17\u0e32\u0e07\u0e2a\u0e16\u0e34\u0e15\u0e34 (paired Wilcoxon, p &lt; 0.02) \u0e43\u0e19\u0e02\u0e13\u0e30\u0e17\u0e35\u0e48\u0e15\u0e49\u0e19\u0e17\u0e38\u0e19\u0e15\u0e48\u0e33\u0e17\u0e35\u0e48\u0e2a\u0e38\u0e14\u0e43\u0e19\u0e40\u0e07\u0e37\u0e48\u0e2d\u0e19\u0e44\u0e02\u0e41\u0e1a\u0e1a\u0e1b\u0e23\u0e31\u0e1a\u0e15\u0e31\u0e27\u0e44\u0e14\u0e49 \u0e42\u0e2b\u0e21\u0e14 always-on-device \u0e43\u0e2b\u0e49\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e\u0e15\u0e48\u0e2d\u0e04\u0e33\u0e16\u0e32\u0e21\u0e40\u0e17\u0e48\u0e32\u0e40\u0e14\u0e34\u0e21\u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e04\u0e33\u0e16\u0e32\u0e21\u0e17\u0e35\u0e48\u0e23\u0e31\u0e19\u0e44\u0e14\u0e49 \u0e41\u0e15\u0e48\u0e0a\u0e49\u0e32\u0e01\u0e27\u0e48\u0e32 3-6 \u0e40\u0e17\u0e48\u0e32 \u0e41\u0e25\u0e30\u0e25\u0e49\u0e21\u0e40\u0e2b\u0e25\u0e27\u0e01\u0e31\u0e1a\u0e04\u0e33\u0e16\u0e32\u0e21\u0e22\u0e32\u0e27 \u0e17\u0e33\u0e43\u0e2b\u0e49\u0e01\u0e32\u0e23 routing \u0e0a\u0e19\u0e30\u0e14\u0e49\u0e32\u0e19\u0e04\u0e27\u0e32\u0e21\u0e40\u0e23\u0e47\u0e27 \u0e04\u0e27\u0e32\u0e21\u0e19\u0e48\u0e32\u0e40\u0e0a\u0e37\u0e48\u0e2d\u0e16\u0e37\u0e2d \u0e41\u0e25\u0e30\u0e04\u0e27\u0e32\u0e21\u0e04\u0e23\u0e2d\u0e1a\u0e04\u0e25\u0e38\u0e21\u0e21\u0e32\u0e01\u0e01\u0e27\u0e48\u0e32\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e<\/p>\n<h3>\u0e28\u0e31\u0e1e\u0e17\u0e4c\u0e17\u0e35\u0e48\u0e04\u0e27\u0e23\u0e23\u0e39\u0e49<\/h3>\n<ul>\n<li>On-device inference &#8211; \u0e01\u0e32\u0e23\u0e23\u0e31\u0e19\u0e42\u0e21\u0e40\u0e14\u0e25 AI \u0e1a\u0e19\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c\u0e1c\u0e39\u0e49\u0e43\u0e0a\u0e49\u0e42\u0e14\u0e22\u0e15\u0e23\u0e07 \u0e44\u0e21\u0e48\u0e2a\u0e48\u0e07\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e02\u0e36\u0e49\u0e19\u0e40\u0e0b\u0e34\u0e23\u0e4c\u0e1f\u0e40\u0e27\u0e2d\u0e23\u0e4c<\/li>\n<li>Thermal headroom &#8211; \u0e0a\u0e48\u0e27\u0e07\u0e2d\u0e38\u0e13\u0e2b\u0e20\u0e39\u0e21\u0e34\u0e17\u0e35\u0e48\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c\u0e22\u0e31\u0e07\u0e17\u0e33\u0e07\u0e32\u0e19\u0e44\u0e14\u0e49\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e1b\u0e25\u0e2d\u0e14\u0e20\u0e31\u0e22 \u0e01\u0e48\u0e2d\u0e19\u0e08\u0e30\u0e23\u0e49\u0e2d\u0e19\u0e40\u0e01\u0e34\u0e19\u0e44\u0e1b\u0e08\u0e19\u0e15\u0e49\u0e2d\u0e07\u0e25\u0e14\u0e1b\u0e23\u0e30\u0e2a\u0e34\u0e17\u0e18\u0e34\u0e20\u0e32\u0e1e\u0e2b\u0e23\u0e37\u0e2d\u0e1b\u0e34\u0e14\u0e15\u0e31\u0e27\u0e25\u0e07<\/li>\n<li>Reinforcement learning &#8211; \u0e40\u0e17\u0e04\u0e19\u0e34\u0e04\u0e1d\u0e36\u0e01 AI \u0e43\u0e2b\u0e49\u0e40\u0e23\u0e35\u0e22\u0e19\u0e23\u0e39\u0e49\u0e08\u0e32\u0e01\u0e01\u0e32\u0e23\u0e17\u0e14\u0e25\u0e2d\u0e07\u0e1c\u0e34\u0e14\u0e25\u0e2d\u0e07\u0e16\u0e39\u0e01 \u0e42\u0e14\u0e22\u0e44\u0e14\u0e49\u0e23\u0e32\u0e07\u0e27\u0e31\u0e25\u0e40\u0e21\u0e37\u0e48\u0e2d\u0e17\u0e33\u0e16\u0e39\u0e01\u0e41\u0e25\u0e30\u0e42\u0e17\u0e29\u0e40\u0e21\u0e37\u0e48\u0e2d\u0e17\u0e33\u0e1c\u0e34\u0e14<\/li>\n<li>Q-learning &#8211; \u0e2d\u0e31\u0e25\u0e01\u0e2d\u0e23\u0e34\u0e17\u0e36\u0e21 reinforcement learning \u0e41\u0e1a\u0e1a\u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e23\u0e39\u0e49\u0e42\u0e21\u0e40\u0e14\u0e25\u0e2a\u0e34\u0e48\u0e07\u0e41\u0e27\u0e14\u0e25\u0e49\u0e2d\u0e21 \u0e40\u0e23\u0e35\u0e22\u0e19\u0e23\u0e39\u0e49\u0e04\u0e48\u0e32\u0e04\u0e27\u0e32\u0e21\u0e04\u0e38\u0e49\u0e21\u0e04\u0e48\u0e32 (Q-value) \u0e02\u0e2d\u0e07\u0e41\u0e15\u0e48\u0e25\u0e30\u0e01\u0e32\u0e23\u0e01\u0e23\u0e30\u0e17\u0e33\u0e43\u0e19\u0e41\u0e15\u0e48\u0e25\u0e30\u0e2a\u0e16\u0e32\u0e19\u0e30<\/li>\n<li>Tier routing &#8211; \u0e01\u0e32\u0e23\u0e15\u0e31\u0e14\u0e2a\u0e34\u0e19\u0e43\u0e08\u0e2a\u0e48\u0e07\u0e07\u0e32\u0e19\u0e44\u0e1b\u0e1b\u0e23\u0e30\u0e21\u0e27\u0e25\u0e1c\u0e25\u0e17\u0e35\u0e48\u0e23\u0e30\u0e14\u0e31\u0e1a\u0e15\u0e48\u0e32\u0e07\u0e46 (\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c \u0e02\u0e2d\u0e1a \u0e40\u0e04\u0e23\u0e37\u0e2d\u0e02\u0e48\u0e32\u0e22\u0e04\u0e25\u0e32\u0e27\u0e14\u0e4c) \u0e15\u0e32\u0e21\u0e40\u0e07\u0e37\u0e48\u0e2d\u0e19\u0e44\u0e02<\/li>\n<li>Snapdragon &#8211; \u0e0a\u0e34\u0e1b\u0e40\u0e0b\u0e47\u0e15\u0e21\u0e37\u0e2d\u0e16\u0e37\u0e2d\u0e02\u0e2d\u0e07 Qualcomm \u0e17\u0e35\u0e48\u0e19\u0e34\u0e22\u0e21\u0e43\u0e0a\u0e49\u0e43\u0e19\u0e42\u0e17\u0e23\u0e28\u0e31\u0e1e\u0e17\u0e4c\u0e23\u0e30\u0e14\u0e31\u0e1a\u0e2a\u0e39\u0e07<\/li>\n<\/ul>\n<p>\u0e17\u0e35\u0e48\u0e21\u0e32: <a href=\"https:\/\/arxiv.org\/abs\/2609.30270\">arxiv.org<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0e19\u0e31\u0e01\u0e27\u0e34\u0e08\u0e31\u0e22\u0e40\u0e2a\u0e19\u0e2d HybridInfer \u0e23\u0e30\u0e1a\u0e1a\u0e40\u0e2a\u0e49\u0e19\u0e17\u0e32\u0e07\u0e41\u0e1a\u0e1a\u0e2a\u0e32\u0e21\u0e23\u0e30\u0e14\u0e31\u0e1a (\u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c-\u0e02\u0e2d\u0e1a-\u0e04\u0e25\u0e32\u0e27\u0e14\u0e4c) \u0e43\u0e0a\u0e49 Q-learning \u0e2d\u0e2d\u0e1f\u0e44\u0e25\u0e19\u0e4c\u0e04\u0e27\u0e1a\u0e04\u0e38\u0e21\u0e14\u0e49\u0e27\u0e22\u0e2b\u0e31\u0e27\u0e17\u0e48\u0e2d\u0e19\u0e04\u0e27\u0e32\u0e21\u0e23\u0e49\u0e2d\u0e19\u0e41\u0e25\u0e30\u0e04\u0e27\u0e32\u0e21\u0e0b\u0e31\u0e1a\u0e0b\u0e49\u0e2d\u0e19\u0e02\u0e2d\u0e07\u0e04\u0e33\u0e16\u0e32\u0e21\u2026<\/p>\n","protected":false},"author":1,"featured_media":12941,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5021],"tags":[2440,88,5132,4211],"class_list":["post-12942","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-machine-learning-th","tag-edge-computing","tag-llm","tag-on-device-ai","tag-reinforcement-learning"],"_links":{"self":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts\/12942","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12942"}],"version-history":[{"count":0,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts\/12942\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/media\/12941"}],"wp:attachment":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12942"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12942"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12942"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}