github llama.cpp · 19時間前 · inference

llama.cpp b10970 リリースはMFMAデバイスでfp32累積を使用

翻訳元 English → 日本語

llama.cppプロジェクトはバージョンb10970をリリースしました。これにはfattn-mmaバックエンドの技術的な更新が含まれています。この変更により、CDNAアーキテクチャのデバイス用にfp32累算器の使用が実装されました。

このリリースでは、macOS（Apple SiliconおよびIntel）、Linux（Ubuntu x64/arm64/s390x）、Windows、Android用のバイナリが提供されています。
GPUサポートには、対応プラットフォーム上でCUDA 12/13、Vulkan、ROCm 10.0、OpenVINO、SYCL、OpenCL Adrenoが含まれます。
特定の修正では、fattn-mmaモジュール内のMFMAデバイスでfp32累積を使用することで精度の問題に対処しています。

重要度 1/3 信頼度 1/3 llama.cpp Hugging Face Inference efficiency

llama.cpp b10984 が CUDA の行連続 SUM_ROWS サポートを追加

llama.cpp プロジェクトはバージョン b10984 をリリースし、行連続の SUM_ROWS 操作に対する CUDA サポートを導入しました。このアップデートでは、共有カーネルを通じて行連続テンソルを処理するために GGML_OP_MEAN を含むようにコードが整理されました。

github llama.cpp · 1時間前 · 1 回表示ライブ

llama.cpp b10985 は RPC ハッシュキャッシュを重みに制限

llama.cpp プロジェクトはビルド b10985 をリリースし、ハッシュベースのキャッシングを重みテンソンのみに制限するために RPC バックエンドを変更しました。この変更は、アクティベーションデータが不要にハッシュ化および保存され、ディスク使用量が過大になる問題を解決します。

github llama.cpp · 3時間前 · 2 回表示

llama.cpp b10981がGemma-4のステートフルデコードを修正し、GPU上のMoE推論を最適化

llama.cpp b10981リリースは、OpenVINOバックエンドのステートフルデコードパスにおける重大な正確性の問題を解決し、特にレイヤーごとのヘッドサイズを使用するGemma-4などのモデルのサポートを修正します。また、GPU上のMixture of Experts (MoE) 推論の最適化を導入し、KV状態のリレイアウトを通じてパフォーマンスを向上させます。

github llama.cpp · 5時間前 · 1 回表示

llama.cppがMiniCPM3のHSK=96、HSV=64向けにMetal FAカーネルを追加

llama.cppプロジェクトは、Apple SiliconでMiniCPM3が使用する特定の構成に対してFlash Attention (FA) カーネルサポートを追加しました。この変更は、注意キー長96および値長64の欠落したカーネルインスタンス化により`-fa auto`フラグが中止されるクラッシュを修正します。

github llama.cpp · 1日前 · 1 回表示

llama.cpp b10956がSYCLのtop_kで大きなkに対するradix selectを追加

llama.cpp b10956リリースは、TOP_K操作における大きなk値を処理するためにSYCLバックエンドにradix selectアルゴリズムを導入しました。これにより、それまでk > 32の場合にCPUにフォールバックしていた問題が解消されました。この変更により、ヒストグラムベースのパスを使用して共有ローカルメモリのフットプリントをkに依存させないことで、大きなkのGPU内処理が可能になります。