大语言模型的请求处理方法、装置、介质、设备及产品

本公开涉及一种大语言模型的请求处理方法、装置、介质、设备及产品，涉及机器学习技术领域，该方法通过获取发送至大语言模型的服务请求，并通过部署于第一图形处理器的大语言模型，对服务请求进行预填充处理，获得服务请求对应的预填充结果，并将预填充结果发送至第二图形处理器，以及通过部署于第二图形处理器的大语言模型，对预填充结果进行解码处理，获得服务请求对应的推理结果，可以将大语言模型的预填充阶段与解码阶段进行解耦，从而提高GPU资源的利用率以及提高大语言模型的服务吞吐量。