github llama.cpp · 4 hari lalu · inference

llama.cpp b11054 mengaktifkan dukungan TOP_K Hexagon

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp merilis versi b11054, yang menambahkan dukungan untuk operator TOP_K pada DSP Qualcomm Hexagon. Pembaruan ini mencakup optimasi untuk pemrosesan baris tunggal dan perbaikan untuk partisi baris.

Mengaktifkan dukungan Hexagon untuk operator TOP_K melalui permintaan tarikan #29113.
Mengoptimalkan pemilihan baris besar dan meningkatkan batas ukuran berbasis VTCM.
Memperbaiki masalah partisi baris mdev TOP_K.
Memperbarui dokumentasi untuk mencerminkan daftar dukungan TOP_K yang baru.

Rilis ini menyediakan biner untuk macOS, Linux, Windows, Android, dan openEuler di berbagai backend perangkat keras termasuk CPU, CUDA, ROCm, Vulkan, dan OpenVINO.

Kepentingan 1/3 Kepercayaan 1/3 llama.cpp Inference efficiency Local inference

Baca aslinya

llama.cpp b11122 memperluas fusi MMVQ GLU dan menambahkan fusi SYCL baru

Proyek llama.cpp telah merilis versi b11122, yang mencakup pembaruan signifikan untuk backend SYCL. Rilis ini memperluas fusi MMVQ GLU untuk mendukung jenis kuantisasi campuran dan memperkenalkan fusi baru untuk operasi rms_norm+scale dan ssm_conv+silu.

github llama.cpp · 1 jam lalu · 11 tayangan Langsung

llama.cpp b11120 menyembunyikan simbol internal Vulkan untuk memperbaiki penghancuran state

Proyek llama.cpp merilis versi b11120, yang mengatasi bug kritis pada backend Vulkan dengan menyembunyikan simbol internal. Perubahan ini mencegah masalah penghancuran state akibat duplicate-dlopen yang terjadi ketika simbol internal diekspor.

github llama.cpp · 6 jam lalu · 13 tayangan

llama.cpp b11118 memperkenalkan direktori DMA terpetakan langsung untuk penanganan mask FA HVX

Proyek llama.cpp telah merilis build b11118, yang mencakup fitur hex-dma baru yang memperkenalkan direktori DMA terpetakan langsung lebih cocok untuk penanganan mask FA Hexagon Vector eXtended (HVX).

github llama.cpp · 17 jam lalu · 9 tayangan

llama.cpp menambahkan dukungan DFlash untuk HunyuanOCR dan memperbaiki konversi draf

Proyek llama.cpp telah menambahkan dukungan untuk dekode spekulatif DFlash dengan model HunyuanOCR dengan mengekspos tensor input lapisan dalam grafik target. Perubahan ini memungkinkan model draf membaca aliran residual, sehingga permintaan gambar dapat berjalan sukses dengan tingkat penerimaan draf sekitar 0,5 dan output OCR yang identik secara byte dibandingkan dengan eksekusi non-spekulatif.

github llama.cpp · 18 jam lalu · 13 tayangan

llama.cpp b11104 menambahkan dukungan untuk mengikat llama-server ke beberapa alamat

Proyek llama.cpp merilis versi b11104, memperkenalkan fitur baru yang memungkinkan komponen llama-server untuk mengikat ke beberapa alamat jaringan secara bersamaan.