《Deadline-Aware Adaptive Prefill Chunking》（arXiv 2609.07883，9 月 9 日周三 digest）提出 SLOWeave：在线调度器选择预测能在最早活跃解码截止前完成的最大 prefill 块，取代固定块大小（启动开销与延迟尖峰的两难）。无需按负载调参，单调迭代成本模型上的对数时间搜索。作者证明：纯解码迭代可行且成本预测准确时，SLOWeave 在所有不违约选择中最大化即时 prefill 进度。
SLOWeave 按解码截止时间自适应切分 prefill 块
2026-09-10前沿观察TRIAL
《Deadline-Aware Adaptive Prefill Chunking》（arXiv 2609.07883，9 月 9 日周三 digest）提出 SLOWeave：在线调度器选择预测能在最早活跃解码截止前完成的最大 prefill 块，取代固定块大小（启动开销与延迟尖峰的两难）。无需按负载调参，单调迭代成本模型上的对数时间搜索。作者证明：纯解码迭代可行且成本预测准确时，SLOWeave 在所有不违约选择中最大化即时 prefill 进度。
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
分块 prefill 是 vLLM/SGLang 级引擎的标准做法，但块大小是手工调的常数。这项工作把它换成可证不伤解码 SLO 的截止时间驱动在线决策——serving 团队一个下午就能 A/B 完的升级。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| ArXiv | 2609.07883，2026 年 9 月 9 日周三 digest |
|---|---|
| 方法 | 不违反截止时间的最大 prefill 块；单调成本模型上的对数时间搜索；无需负载调参 |
| 保证 | 纯解码迭代可行且预测准确时，可证在不违约选择中最大化即时 prefill 进度 |
技术影响 3
工程价值 4
采用信号 2
成熟度 2
验证成本 2
风险 1