在七种场景下，对感知约束的GPU分配器与FIFO调度器进行了基准测试，在相同硬件上实现了高达33个百分点的GPU利用率提升，以及高达105%的优先级加权输出增长。该系统将实时推理需求视为波动曲线而非静态预留，允许类批处理作业在低谷期填充容量，同时遵守严格约束，如连续的GPU块和非抢占式调度。

  • 利用率从52–85%的范围提升至72–88%，在竞争场景中优先级加权价值平均增加52%。
  • 在8 GPU上的训练密集型工作负载中，利用率从53.6%跃升至87.0%，输出价值翻倍以上。
  • 该分配器在标准场景下运行时间为1–2毫秒，在包含64个GPU和30个作业的大规模测试中为15毫秒。
  • 即使在优先级均匀分布的情况下，系统也将利用率从76.8%提升至87.5%，证明视界规划带来的增益超越了仅靠优先级加权的效果。

通过在整个调度视界内优化分配决策，而非依赖到达顺序，该分配器防止了由静态预留导致的空闲容量，并确保高优先级工作负载得到高效调度。