media Hugging Face Forums · 3 hari lalu · open_models

loo5x merilis llama-modes v0.4.0 untuk inferensi terstruktur di llama.cpp

Diterjemahkan dari English → Bahasa Indonesia

loo5x telah merilis llama-modes v0.4.0, sebuah fork dari llama.cpp yang memungkinkan pemuatan satu model GGUF sekali untuk melakukan beberapa mode inferensi terstruktur tanpa mengganti model atau menambahkan klasifier.

Mode BOOLEAN langsung memberi skor jawaban Ya/Tidak.
Mode CHOICE memberi skor kandidat sembarang yang disediakan, termasuk label multi-token.
Mode SCALE mengevaluasi skala ordinal atau interval, mengembalikan distribusi diskrit dan statistik turunan seperti median atau nilai harapan.
Proyek ini mencakup rilis CUDA untuk Windows, demo React lokal, dan dokumentasi API.

Pendekatan ini memungkinkan pengembang menggunakan kembali bobot model yang sama dalam memori untuk primitif inferensi yang berbeda, mengekspos skor terstruktur secara langsung dari model bahasa lokal biasa.

Kepentingan 1/3 Kepercayaan 1/3 Hugging Face Forums Inference efficiency Local inference

Baca aslinya

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.

github llama.cpp · 7 jam lalu · 2 tayangan

llama.cpp b11284 memperbaiki GET_ROWS OpenVINO pada tampilan bobot terkuantisasi

Proyek llama.cpp merilis build b11284, yang mencakup perbaikan untuk backend OpenVINO agar dapat menangani operasi GET_ROWS dengan benar pada tampilan bobot terkuantisasi.

github llama.cpp · 11 jam lalu · 2 tayangan

llama.cpp menambahkan dukungan GLM-5.3-Flash dengan perbaikan k-pool dan MTP

Proyek llama.cpp telah menambahkan dukungan awal untuk arsitektur model GLM-5.3-Flash (GLM5-Next), termasuk migrasi ke memori indeks hibrida dan kemampuan Multi-Token Prediction (MTP) awal.

github llama.cpp · 13 jam lalu · 2 tayangan

llama.cpp b11272 mengoptimalkan operasi penggabungan Hexagon

Proyek llama.cpp merilis build b11272, yang mencakup optimasi untuk backend Hexagon. Perubahan utama berfokus pada optimisasi operasi penggabungan untuk meningkatkan kinerja pada perangkat keras Qualcomm Snapdragon.

github llama.cpp · 1 hari lalu · 7 tayangan

llama.cpp b11260 menambahkan dukungan FP32 GELU_ERF dan GEGLU_ERF

Proyek llama.cpp telah merilis versi b11260, memperkenalkan dukungan untuk fungsi aktivasi FP32 GELU_ERF dan GEGLU_ERF di backend Hexagon. Pembaruan ini juga mencakup optimasi untuk mengurangi tekanan register dalam kernel terkait.