github llama.cpp · 3일 전 · inference

llama.cpp b11062, Qwen4에 희소 FA 활성화

번역 English → 한국어

llama.cpp 프로젝트는 Qwen4 모델에 대해 희소 Flash Attention (FA) 지원을 활성화하는 풀 리퀘스트를 포함하는 버전 b11062를 출시했습니다.

이 업데이트는 더 광범위한 b11062 릴리스의 일부로, CPU, GPU(CUDA, ROCm, Vulkan), AI 가속기 백엔드용 macOS, Linux, Windows, Android 및 openEuler용 바이너리를 제공합니다.

릴리스 노트에 언급된 특정 변경 사항은 효율성을 개선하기 위해 Qwen4에 희소 FA 기능을 추가합니다.

중요도 1/3 신뢰도 1/3 llama.cpp Hugging Face Inference efficiency

원문 보기

llama.cpp b11122, MMVQ GLU 융합 확장 및 새로운 SYCL 융합 추가

llama.cpp 프로젝트가 버전 b11122를 출시했으며, 여기에는 SYCL 백엔드에 대한 중요한 업데이트가 포함되어 있습니다. 이번 릴리스는 혼합 양자화 유형을 지원하도록 MMVQ GLU 융합을 확장하고 rms_norm+scale 및 ssm_conv+silu 연산에 대한 새로운 융합을 도입합니다.

github llama.cpp · 14시간 전 · 조회수 11회

llama.cpp b11111이 Intel Xe용 flash attention 최적화 커널 추가

llama.cpp 프로젝트는 Xe-LPG Plus, Xe2 및 Xe3 아키텍처의 split k 경로에 대한 Vulkan 기반 flash attention 최적화 커널을 도입한 빌드 b11111을 출시했습니다.

github llama.cpp · 17시간 전 · 조회수 9회

llama.cpp가 HunyuanOCR에 대한 DFlash 지원을 추가하고 드래프트 변환을 수정함

llama.cpp 프로젝트는 타겟 그래프에서 레이어 입력 텐서를 노출하여 HunyuanOCR 모델과 함께 DFlash 추측 디코딩에 대한 지원을 추가했습니다. 이 변경 사항으로 드래프트 모델이 잔류 스트림을 읽을 수 있게 되어, 비추측 실행과 비교할 때 약 0.5의 드래프트 수용률과 바이트 단위로 동일한 OCR 출력을 유지하며 이미지 요청을 성공적으로 실행할 수 있습니다.

github llama.cpp · 20시간 전 · 조회수 11회

llama.cpp b11101 릴리스는 llama에 대한 반복된 find_package 호출을 허용합니다

llama.cpp 프로젝트가 llama 라이브러리에 대한 반복된 find_package 호출을 허용하는 빌드 시스템 수정 사항을 포함한 버전 b11101을 출시했습니다.

lab Hugging Face Blog · 21시간 전 · 조회수 10회

Transformers가 ggml 커널을 통해 GGUF 지원 추가

Hugging Face의 Transformers 라이브러리는 이제 기본 ggml 커널을 활용하여 llama.cpp에 가까운 성능을 제공하며 GGUF 양자화된 모델을 로드할 수 있게 되었습니다. 이 통합을 통해 개발자는 지원되는 하드웨어에서 표준 PyTorch 기반 API 내에서 양자화된 체크포인트를 직접 실행할 수 있습니다.