github llama.cpp · 1시간 전 · inference

llama.cpp b11454에 K2 Horizon dense 및 MoVA 지원 추가

번역 English → 한국어

llama.cpp 프로젝트는 K2 Horizon 모델 아키텍처에 대한 지원을 도입한 빌드 b11454를 출시했습니다. 여기에는 dense와 Mixture-of-Value Attention (MoVA) 변형이 모두 포함됩니다.

K2 Horizon GGUF 변환 코드, 텐서 로딩, 계산 그래프 구현 및 토크나이저 등록을 추가했습니다.
Windows 및 기타 플랫폼에서 K2-Horizon의 특정 요구사항을 올바르게 처리하도록 Unicode 정규식 분할을 수정했습니다.
selectattr 및 rejectattr 필터의 시퀀스 인덱스에 대한 Jinja 템플릿 지원을 구현했습니다.
K2 Horizon 추론 및 도구 호출에 대한 채팅 지원을 활성화했으며, 응답 스키마 강제 적용 및 YaRN beta 메타데이터 로딩이 포함됩니다.

이 업데이트를 통해 사용자는 llama.cpp를 사용하여 다양한 백엔드에서 K2 Horizon 모델을 로컬로 실행할 수 있습니다.

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

원문 보기

llama.cpp b11433, Hexagon 풀 연산 지원 추가

llama.cpp 프로젝트는 Hexagon NPU에서 풀링 연산을 위한 지원을 도입한 버전 b11433을 출시했습니다. 이 업데이트에는 2D 및 1D 풀링 레이어에 대한 구현이 포함되어 있습니다.

github llama.cpp · 1일 전 · 조회수 25회

llama.cpp b11424, Vulkan Flash Attention 공유 메모리 경계 밖 쓰기 수정

llama.cpp 프로젝트가 버전 b11424를 출시했으며, 여기에는 Flash Attention 사용 시 Vulkan 백엔드에서 공유 메모리 경계 밖 쓰기가 발생하는 오류에 대한 수정이 포함되어 있습니다.

github llama.cpp · 2일 전 · 조회수 21회

llama.cpp b11413에 양자화된 K/V를 위한 Vulkan 희소 플래시 어텐션 추가

llama.cpp b11413 릴리스는 양자화된 Key 및 Value 텐서를 지원하는 새로운 Vulkan 기반 희소 플래시 어텐션 구현을 도입합니다. 이 업데이트는 큰 컨텍스트 윈도우를 가진 디코딩 작업에는 비용이 너무 많이 드는 이전 컴팩션 방법의 성능 문제를 해결합니다.

github llama.cpp · 2일 전 · 조회수 25회

llama.cpp b11405, 4개의 헤드를 위해 키와 토큰에 걸쳐 라이트닝 인덱서를 타일링함

llama.cpp b11405 릴리스는 작은 헤드 수에서 성능 문제를 해결하기 위해 4개의 헤드를 위해 키와 토큰에 걸쳐 라이트닝 인덱서를 타일링하여 CUDA 백엔드를 업데이트합니다.

github llama.cpp · 2일 전 · 조회수 33회

llama.cpp b11403은 작은 배치 크기에서 얇은 f16/bf16 mul_mat에 MMVF를 사용

llama.cpp 프로젝트는 b11403 버전을 출시했으며, 여기에는 작은 배치 크기에서 얇은 f16 및 bf16 행렬 곱셈에 MMVF 커널을 사용하기 위한 CUDA 최적화가 포함되어 있습니다.