# BurstGPT Yuxin Wang らが ACM SIGKDD 2025 で発表した、実世界の LLM サービングワークロークデータセット。[[@2026__NSDI__ServeGen - Workload Characterization and Generation of Large Language Model Serving in Production]] は BurstGPT を先行する LLM サービングワークロード特性化研究として位置づけ、Table 2 で比較する: BurstGPT は2日間・529万リクエスト・2モデルという規模に限定され、言語モデルワークロードのみを対象とする。ServeGen 論文は BurstGPT の知見(バースト性のパラメータ化 Gamma 過程モデリング)を踏襲しつつ、規模(4か月・35.4億リクエスト・12モデル)とスコープ(言語・マルチモーダル・推論の3カテゴリ、分布シフト・マルチターン会話パターンまで)の両面で拡張したと位置づける。(Source: [[@2026__NSDI__ServeGen - Workload Characterization and Generation of Large Language Model Serving in Production]]) ServeGen 論文はまた、BurstGPT が報告する入出力長の正相関が、ServeGen の分析(Figure 4)ではそこまで明確でないと指摘しており、プロンプトテンプレートや構造化出力といった実務ワークロードの意味論的複雑さが相関を希薄化させている可能性を論じている。(Source: [[@2026__NSDI__ServeGen - Workload Characterization and Generation of Large Language Model Serving in Production]]) ## 関連 - ソース: [[@2026__NSDI__ServeGen - Workload Characterization and Generation of Large Language Model Serving in Production]] - 関連システム: [[ServeGen]]