github llama.cpp · منذ 2 يوم · inference

إصلاح llama.cpp b10947 لانهيار القسمة على صفر في Nemotron-H MoE

مُترجم من English → العربية

أصدر مشروع llama.cpp الإصدار b10947، الذي يعالج انهيارًا حرجًا أثناء تحميل نموذج Nemotron-H. يحمي التحديث من خطأ القسمة على صفر الذي حدث عندما استخرج حلقة الذيل NextN/MTP حجم FFN للخبير من مصفوفات لكل طبقة تحتوي على قيم صفرية للطبقات غير MoE.

يصلح انهيار SIGFPE عن طريق الإبلاغ عن بيانات تعريف معيبة بدلاً من القسمة على صفر عند غياب expert_feed_forward_length.
يوفر ملفات ثنائية لأنظمة macOS (Apple Silicon و Intel) و iOS و Linux (CPU و Vulkan و ROCm و OpenVINO و SYCL) و Android و Windows (CPU و CUDA 12/13 و OpenCL و Vulkan و OpenVINO و SYCL و ROCm) و openEuler.

يمنع هذا التغيير التطبيق من التعطل بخطأ إشارة أثناء تحميل نقطة التفتيش، مما يضمن تشغيلًا مستقرًا للنماذج ذات الطبقات المختلطة من MoE والطبقات الكثيفة.

الأهمية 1/3 الموثوقية 1/3 llama.cpp Inference efficiency

قراءة الأصل

مقالات ذات صلة

github llama.cpp · منذ 1 ساعة · مشاهدة واحدة مباشر

llama.cpp b10984 يضيف دعم CUDA لـ SUM_ROWS المتصل صفياً

أصدر مشروع llama.cpp الإصدار b10984، مقدماً دعم CUDA لعمليات SUM_ROWS المتصلة صفياً. ينظم هذا التحديث أيضاً الكود ليشمل GGML_OP_MEAN لمعالجة الموترات المتصلة صفياً عبر نواة مشتركة.

github llama.cpp · منذ 2 ساعة · مشاهدة واحدة

llama.cpp b10985 يقيّد ذاكرة التخزين المؤقت التجزئة RPC للأوزان

أصدر مشروع llama.cpp الإصدار b10985، الذي يعدّل الخلفية RPC لتقييد التخزين المؤقت القائم على التجزئة حصريًا لأوزان الموترات. يعالج هذا التغيير مشكلة حيث كانت بيانات التنشيط تُجزّأ وتُخزّن دون داعٍ، مما يؤدي إلى استخدام مفرط للقرص.

github llama.cpp · منذ 3 ساعة · 4 مشاهدات

إضافة llama.cpp b10982 دعم الانتباه المتقطع السريع عبر Vulkan لنماذج DSV4/GLM

أصدر مشروع llama.cpp الإصدار b10982، الذي يُدخل دعم الانتباه المتقطع السريع (sparse Flash Attention) عبر الخلفية (backend) الخاصة بـ Vulkan. يستهدف هذا التحديث بشكل خاص نماذج DSV4 وGLM، مما يتيح لها الاستفادة من آليات الانتباه المتوافق مع عتاد وحدات معالجة الرسومات المناسب.

github llama.cpp · منذ 4 ساعة · مشاهدتان

إصلاح llama.cpp b10981 للفك المشروط لـ Gemma-4 وتحسين استنتاج GPU MoE

يعالج إصدار llama.cpp b10981 مشكلات صحة حرجة في مسار فك التشفير الشرعي للخلفية OpenVINO، ويصحح بشكل خاص دعم النماذج مثل Gemma-4 التي تستخدم أحجام رؤوس لكل طبقة. كما يقدم تحسينات لاستنتاج GPU Mixture of Experts (MoE) ويحسن الأداء من خلال إعادة ترتيب حالات KV.

github llama.cpp · منذ 5 ساعة · مشاهدة واحدة

يضيف llama.cpp نوى Metal FA لـ HSK=96 و HSV=64 الخاص بـ MiniCPM3

أضاف مشروع llama.cpp دعم نواة Flash Attention (FA) للتكوين المحدد المستخدم بواسطة MiniCPM3 على Apple Silicon. يعالج هذا التغيير تعطلًا حيث كان العلم `-fa auto` يتوقف بسبب عدم وجود تثبيت للنواة لطول مفتاح الانتباه 96 وطول القيمة 64.