github llama.cpp · há 1 h · inference

llama.cpp b10605 achata projeções mamba2 para despachar GEMM

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10605, que inclui uma otimização chave para a arquitetura Mamba2. A atualização achata as projeções de entrada e saída dos modelos Mamba2 para despachar operações de Multiplicação Geral de Matrizes (GEMM) em vez de operações de Multiplicação Geral de Matriz por Vetor (GEMV).

Achata as projeções in/out do mamba2 para permitir o despacho de GMM em vez de GEMV.
Remove operações redundantes de reconfiguração de saída dentro da implementação do Mamba2.

Este lançamento fornece binários para macOS, Linux, Windows, Android e openEuler através de vários backends de hardware incluindo CPU, CUDA, ROCm, Vulkan e OpenVINO.

Importância 1/3 Confiança 1/3 llama.cpp Hugging Face Inference efficiency

Ler original

llama.cpp b10603 adiciona suporte MTP para GLM-4.5-Air

O projeto llama.cpp lançou a compilação b10603, que introduz o suporte à Predição de Múltiplos Tokens (MTP) para o modelo GLM-4.5-Air.

github llama.cpp · há 2 d · 2 visualizações

ggml otimiza a operação de concatenação substituindo memcpy por elemento por memcpy em nível de linha

A biblioteca ggml otimizou sua operação de concatenação substituindo cópias de memória por elemento por operações de memcpy em nível de linha. Esta mudança faz parte da versão b10578 do llama.cpp, que inclui vários binários específicos de plataforma e atualizações no grafo de computação subjacente.

github llama.cpp · há 2 d · 3 visualizações

llama.cpp b10603 adiciona suporte MTP para GLM-4.5-Air

ggml otimiza a operação de concatenação substituindo memcpy por elemento por memcpy em nível de linha

llama.cpp b10576 adiciona kernels MMVQ reordenados Q2_K e ESIMD para SYCL

llama.cpp b10577 corrige draft-mtp com embeddings

llama.cpp b10568 usa ggml_rope_set_offset() para DeepSeek 2