github llama.cpp · il y a 3 j · inference

llama.cpp b11060 corrige la projection d'étape temporelle de Mamba et saute la copie contiguë

Traduit de English → Français

Le projet llama.cpp a publié la compilation b11060, qui inclut une correction pour le modèle Mamba afin de garantir que l'entrée de projection d'étape temporelle soit contiguë. Ce changement résout les problèmes de disposition de la mémoire dans l'implémentation de Mamba.

Le module Mamba rend désormais l'entrée de projection d'étape temporelle contiguë pour éviter les erreurs.
Une optimisation ultérieure saute l'opération de copie contiguë après la normalisation dans le chemin Mamba.
La version fournit des binaires pour macOS (Apple Silicon et Intel), iOS, Linux (CPU, Vulkan, CUDA 12/13, ROCm, OpenVINO, SYCL), Windows (CPU, OpenCL, CUDA 12/13, Vulkan, OpenVINO, SYCL, ROCm), Android et openEuler.

Cette mise à jour assure la stabilité des modèles basés sur Mamba tout en maintenant un large support matériel dans l'écosystème llama.cpp.

Importance 1/3 Confiance 1/3 llama.cpp Inference efficiency Local inference

Lire l'original

llama.cpp b11122 étend la fusion MMVQ GLU et ajoute de nouvelles fusions SYCL

Le projet llama.cpp a publié la version b11122, qui comprend des mises à jour significatives pour le backend SYCL. La release étend la fusion MMVQ GLU pour prendre en charge les types de quantification mixtes et introduit de nouvelles fusions pour les opérations rms_norm+scale et ssm_conv+silu.

github llama.cpp · il y a 1 h · 11 vues En direct

llama.cpp b11120 masque les symboles internes de Vulkan pour corriger la destruction de l'état

Le projet llama.cpp a publié la version b11120, qui corrige un bug critique dans le backend Vulkan en masquant les symboles internes. Ce changement empêche les problèmes de destruction d'état dus à des appels dupliqués à dlopen qui survenaient lorsque les symboles internes étaient exportés.

github llama.cpp · il y a 6 h · 13 vues

llama.cpp b11118 introduit un cache DMA à mappage direct pour la gestion des masques FA HVX

Le projet llama.cpp a publié la version b11118, qui inclut une nouvelle fonctionnalité hex-dma introduisant un cache DMA à mappage direct mieux adapté à la gestion des masques FA Hexagon Vector eXtended (HVX).

github llama.cpp · il y a 17 h · 9 vues

llama.cpp ajoute le support de DFlash pour HunyuanOCR et corrige la conversion des brouillons

Le projet llama.cpp a ajouté le support du décodage spéculatif DFlash avec le modèle HunyuanOCR en exposant les tenseurs d'entrée des couches dans le graphe cible. Ce changement permet au modèle de brouillon de lire les flux résiduels, permettant aux requêtes d'image de s'exécuter avec succès avec un taux d'acceptation du brouillon d'environ 0,5 et une sortie OCR identique en octets par rapport aux exécutions non spéculatives.

github llama.cpp · il y a 18 h · 13 vues

llama.cpp b11104 ajoute le support de la liaison de llama-server à plusieurs adresses

Le projet llama.cpp a publié la version b11104, introduisant une nouvelle fonctionnalité permettant au composant llama-server de se lier simultanément à plusieurs adresses réseau.