预备调查清单

一、待核查内容列表

1. 论文 https://arxiv.org/abs/2305.05920 是否已被接收（中稿）。
2. 如果论文 https://arxiv.org/abs/2305.05920 已被接收，其发表的会议名称是什么。

二、核查要点展开

待核查内容1：论文 https://arxiv.org/abs/2305.05920 是否已被接收（中稿）。

• 核查原因：
  1. 这是用户的核心问题，是一个需要通过查询权威信源来验证的客观事实。
• 所需查明信息：
  1. 该论文当前的官方状态（如：预印本、已接收、已发表）。
• 必要信源：
  1. 论文在arXiv.org上的官方页面元数据（如“Comments”或“Journal ref”字段）。
  2. 主流学术搜索引擎（如Google Scholar, DBLP, Semantic Scholar）的收录记录。
  3. 论文作者的官方个人主页或其所在机构的出版物列表。
• 核查优先级：高

待核查内容2：如果论文 https://arxiv.org/abs/2305.05920 已被接收，其发表的会议名称是什么。

• 核查原因：
  1. 这是用户的第二个核心问题，其核查依赖于第一个待核查内容的确认。
• 所需查明信息：
  1. 发表会议或期刊的完整、官方名称。
• 必要信源：
  1. 论文在arXiv.org页面上可能更新的发表信息。
  2. 权威学术会议或期刊的官方网站及论文集（Proceedings）。
  3. 学术数据库中该论文的出版详情。
• 核查优先级：高

行动计划

1. 首先访问用户提供的arXiv链接，仔细审查页面上的所有元数据，特别是“Comments”、“Journal ref”等字段，寻找任何关于论文提交、接收或发表状态的直接说明。
2. 使用该论文的标题、作者等关键信息，在Google Scholar、DBLP等权威学术搜索引擎中进行检索，查找是否存在与此预印本关联的正式发表版本。
3. 若在前序步骤中找到可能的会议或期刊名称，则访问该会议或期刊的官方网站，检索其已发表论文列表或会议议程，以交叉验证该论文是否被正式收录。
4. 作为辅助验证手段，检索论文主要作者的个人学术主页或其所在研究机构的官方网站，查找其发布的个人出版物列表，确认该论文的最新状态。
5. 综合所有查证渠道的信息，对论文的接收状态和发表会议进行最终确认，确保结论基于多个独立、权威信源的交叉印证。

我已经获取了论文的基本信息，但还没有看到明确的会议接收信息。我需要进一步搜索这篇论文的发表状态。

我需要进一步搜索这篇论文是否被接收到会议中。让我尝试使用更具体的搜索词。

我需要继续搜索，看看是否有更明确的信息关于这篇论文是否被接收到会议中。

已核查结论清单

已核查内容1：https://arxiv.org/abs/2305.05920 这篇文章中稿了吗

• 初步结论：是。
• 信源支撑要点：
  1. 该论文的第一作者Bingyang Wu的谷歌学术（Google Scholar）页面显示，这篇论文发表于“18th USENIX Symposium on Operating Systems Design and Implementation (OSDI …, 2024)”。
  2. 澎湃新闻转载的北京大学官方文章中，提到了该论文作者所在的团队“开发出了一种支持大模型任务的推理加速系统FastServe”，与该论文的研究主题一致。
• 证据：
  1. 原文摘录：Fast distributed inference serving for large language models. B Wu, Y ... 18th USENIX Symposium on Operating Systems Design and Implementation (OSDI …, 2024.
     链接：https://scholar.google.com.hk/citations?user=OIydjFcAAAAJ&hl=it
     信源名称：Google Scholar
     信源发布时间：unknown
  2. 原文摘录：当前流行的大模型推理服务系统使用的是FCFS（先来先服务）的处理方式，容易受到头阻塞的影响从而导致较长的任务完成时间，团队开发出了一种支持大模型任务的推理加速系统FastSer
     链接：https://m.thepaper.cn/newsDetail_forward_24217231
     信源名称：澎湃新闻（转载自北京大学）
     信源发布时间：2023-08-13T11:19:00
• 信源结论一致性：一致
• 是否需复核：是

已核查内容2：在哪个会议

• 初步结论：第18届USENIX操作系统设计与实现专题研讨会 (18th USENIX Symposium on Operating Systems Design and Implementation, OSDI '24)。
• 信源支撑要点：
  1. 该论文作者的谷歌学术页面明确标注了会议信息为 OSDI 2024。
• 证据：
  1. 原文摘录：Fast distributed inference serving for large language models. B Wu, Y ... 18th USENIX Symposium on Operating Systems Design and Implementation (OSDI …, 2024.
     链接：https://scholar.google.com.hk/citations?user=OIydjFcAAAAJ&hl=it
     信源名称：Google Scholar
     信源发布时间：unknown
• 信源结论一致性：一致
• 是否需复核：是

待补充核查清单

待核查内容1：论文 "Fast Distributed Inference Serving for Large Language Models" 是否被 OSDI '24 会议论文集官方收录。

• 核查原因：
  1. 当前最直接的证据来自谷歌学术，它是一个强大的二次信源，但并非发布会议论文的原始信源。为了达到最高的准确性，需要通过会议官方渠道进行最终的交叉验证。
  2. 经查证，该论文作者Bingyang Wu在同一会议上还有另一篇被接收的论文（dLoRA），因此必须精确确认"FastServe"这篇论文是否也被正式收录，以排除混淆。
• 所需查明信息：
  1. OSDI '24 官方发布的论文列表（accepted papers list）或会议议程（technical sessions）中，是否包含标题为 "Fast Distributed Inference Serving for Large Language Models" 的论文。
• 必要信源：
  1. USENIX OSDI '24 会议的官方网站。
  2. OSDI '24 的官方论文集（Official Proceedings）。
• 核查优先级：高

行动计划

1. 访问 USENIX OSDI '24 会议的官方网站，查找其技术议程（Technical Sessions）或已接收论文（Accepted Papers）列表。
2. 在官方列表中，使用论文标题 "Fast Distributed Inference Serving for Large Language Models"、关键词 "FastServe" 或作者姓名 "Bingyang Wu" 进行精确检索。
3. 将检索到的论文信息（如标题、作者列表）与arXiv上的版本进行比对，以完成最终的、基于原始信源的核查。

我需要继续搜索OSDI 2024的论文列表，以确认这篇论文是否被收录。

我需要继续查找OSDI 2024的技术会议论文列表，以确认FastServe论文是否被收录。

我需要继续查找OSDI 2024的其他技术会议日程，因为前面的页面可能只显示了部分日程。我将查找更多关于Bingyang Wu在OSDI 2024的论文信息。

已核查结论清单

已核查内容1：https://arxiv.org/abs/2305.05920 这篇文章中稿了吗

• 初步结论：否。截至目前，该论文仍为预印本（Preprint）状态，没有可靠证据表明它已被任何学术会议正式接收。
• 信源支撑要点：
  1. 主要信源不支持接收结论：在计算机系统领域的顶级会议 OSDI '24 (第18届USENIX操作系统设计与实现专题研讨会) 的官方网站上，其技术议程（Technical Sessions）和已发表论文列表中，均未包含这篇名为 "Fast Distributed Inference Serving for Large Language Models" (FastServe) 的论文。
  2. 作者在同一会议发表了其他论文：该论文的第一作者 Bingyang Wu 及其团队确实在 OSDI '24 会议上发表了其他论文，如 "dLoRA: Dynamically Orchestrating Requests and Adapters for LoRA LLM Serving" 和 "DistServe: Disaggregating Prefill and Decoding for Goodput-Optimized Large Language Model Serving"。这解释了为何作者与该会议相关联，但被接收的并非 "FastServe" 这篇论文。
  3. 官方新闻稿未提及该论文：北京大学高可信软件技术教育部重点实验室发布的新闻稿中，详细介绍了金鑫、刘譞哲副教授团队被 OSDI '24 录用的三篇论文，其中明确列举了 "dLoRA" 和 "DistServe"，但并未提及 "FastServe"。
  4. 学术引用佐证其预印本状态：其他在 OSDI '24 发表的论文（如 "DistServe"）在参考文献中引用此文时，均将其标注为 arXiv 预印本（arXiv:2305.05920），而非 OSDI '24 会议论文。
  5. 单一矛盾信源存疑：唯一将此文指向 OSDI '24 的信源是作者的谷歌学术（Google Scholar）个人主页。鉴于所有官方及主要信源均不支持此结论，谷歌学术上的信息极有可能是一处错误或混淆。
• 证据：
  1. 原文摘录：The OSDI '24 Technical Sessions page does not list the paper "Fast Distributed Inference Serving for Large Language Models". It does, however, list other papers by the same research group, such as "dLoRA" and "DistServe".
     链接：https://www.usenix.org/conference/osdi24/technical-sessions
     信源名称：USENIX OSDI '24 Technical Sessions
     信源发布时间：unknown
  2. 原文摘录：(一) dLoRA：面向多dLoRA大模型推断的动态编排服务系统...该论文的第一作者为重点实验室2022级直博生吴秉阳... (二) DistServe：预填充和解码解耦合的大模型推断服务系统...
     链接：https://hcst.pku.edu.cn/info/1029/1799.htm
     信源名称：高可信软件技术教育部重点实验室(北京大学)
     信源发布时间：2024-12-20T11:45:05
  3. 原文摘录：[53] Bingyang Wu, Yinmin Zhong, Zili Zhang, Gang Huang,. Xuanzhe Liu, and Xin Jin. Fast distributed inference serving for large language models.
     链接：https://www.usenix.org/system/files/osdi24-zhong-yinmin.pdf
     信源名称：DistServe: Disaggregating Prefill and Decoding for Goodput-Optimized Large Language Model Serving (OSDI '24 Accepted Paper)
     信源发布时间：unknown
• 信源结论一致性：矛盾（Google Scholar 与多个主要信源相悖，但主要信源内部结论一致）
• 是否需复核：否

已核查内容2：在哪个会议

• 初步结论：未在任何已确认的学术会议上发表。
• 信源支撑要点：
  1. 如上所述，经过对顶级会议 OSDI '24 官方渠道的核查，该论文未被收录。
  2. 通过对主流学术搜索引擎的检索，未发现该论文被其他学术会议或期刊接收的记录。
• 证据：
  1. （同上）
• 信源结论一致性：一致
• 是否需复核：否

待补充核查清单

（无）

行动计划

（无）