github llama.cpp · 5 hari lalu · inference

llama.cpp b11206 menambahkan dukungan sampler backend Hexagon

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp merilis versi b11206, yang memperkenalkan dukungan untuk sampler backend Hexagon. Pembaruan ini mencakup beberapa perubahan pada pipeline sampling dan operasi pada NPU Hexagon.

Menambahkan operasi STEP dan SUM ke hex-sampler.
Memperbarui CPY untuk mendukung kasus sampling.
Menambahkan dukungan chunking di hex-binary untuk menangani logits besar.
Mengimplementasikan versi dasar ARGMAX untuk hex-argmax.
Memperbaiki masalah pengindeksan untuk broadcast dim 1 melintasi slice dim 2.
Menonaktifkan autovectorizer untuk menggunakan petunjuk eksplisit pada loop kritis.

Rilis ini menyediakan biner untuk macOS, Linux, Windows, Android, dan openEuler di berbagai backend perangkat keras termasuk CPU, GPU, dan NPU.

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

Baca aslinya

AiiStream Q3.6 memungkinkan menjalankan Qwen3.6-35B-A3B di Mac dengan RAM 8-16 GB

Penulis telah merilis AiiStream Q3.6, sebuah teknik sumber terbuka yang memungkinkan model Qwen3.6-35B-A3B berjalan pada perangkat Apple Silicon dengan hanya 8 hingga 16 GB RAM. Dengan menyimpan ahli yang dialihkan di SSD dan menggunakan prediksi pemuatan awal, metode ini mengurangi penggunaan memori MLX menjadi sekitar 1,7 GB sambil mempertahankan output yang identik tingkat byte dibandingkan implementasi standar mlx_lm.

github llama.cpp · 22 jam lalu · 1 tayangan

llama.cpp b11307 mempertahankan urutan batch untuk decoding spekulatif

Proyek llama.cpp merilis build b11307, yang memperbaiki urutan input lapisan untuk mempertahankan urutan batch asli selama decoding spekulatif. Perubahan ini memastikan bahwa urutan token dipertahankan dengan benar untuk embedding NextN yang tidak dimask dan kompatibel dengan pemisahan tensor.

github llama.cpp · 1 hari lalu · 1 tayangan

llama.cpp b11301 memperbaiki overflow integer di ggml/gguf

Proyek llama.cpp telah merilis build b11301, yang mencakup perbaikan untuk masalah overflow integer dalam komponen ggml dan gguf. Pembaruan ini menangani logika validasi untuk mencegah potensi kesalahan saat menangani tensor nol elemen.

github llama.cpp · 1 hari lalu · 3 tayangan

llama.cpp b11302 memperbaiki race data ThreadSanitizer pada pengindeks jarang

Proyek llama.cpp merilis build b11302, yang mengatasi masalah konkurensi kritis yang diidentifikasi oleh ThreadSanitizer dalam pipeline CI. Pembaruan ini menyelesaikan race data dalam mekanisme perhatian jarang di mana beberapa utas CPU secara tidak benar menulis ke elemen memori yang sama.

github llama.cpp · 1 hari lalu · 2 tayangan

llama.cpp b11298 menambahkan dukungan dflash untuk konversi dan ekstraksi fitur

Proyek llama.cpp telah merilis build b11298, yang memperkenalkan dukungan untuk format dflash. Pembaruan ini memungkinkan konversi model ke format ini serta kemampuan ekstraksi fitur selanjutnya.