github llama.cpp · منذ 1 يوم · inference

يصلح llama.cpp b10952 ترتيب تحرير خزانة oneDNN المؤقتة

مُترجم من English → العربية

أصدر مشروع llama.cpp الإصدار b10952، والذي يتضمن إصلاحًا لخلفية SYCL لحل مشكلات مع oneDNN المؤقت الذي يكسر ترتيب تحرير الخزانة.

يوفر هذا التحديث ثنائيات جاهزة لـ macOS (Apple Silicon و Intel)، Linux (Ubuntu x64، arm64، s390x، Vulkan، ROCm 10.0، OpenVINO، SYCL FP32/FP16)، Windows (CPU، OpenCL Adreno، CUDA 12/13، Vulkan، OpenVINO، SYCL، ROCm 10.0)، Android arm64، و openEuler.

يتضمن الإصدار أيضًا واجهة llama.cpp وشهادات للتحقق.

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

قراءة الأصل

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.