media Hugging Face Forums · há 1 h · open_models

Eqx-zoo fornece portas verificadas de modelos Equinox do Hugging Face

Traduzido do English → Português (BR)

O autor construiu eqx-zoo, uma biblioteca que carrega checkpoints do Hugging Face Hub diretamente como módulos plain de Equinox e verifica cada modelo contra a biblioteca transformers. O projeto atualmente suporta Llama, Qwen2, Qwen3, Qwen3-MoE para geração, e BERT, RoBERTa, XLM-RoBERTa para embeddings.

A verificação garante que as saídas float32 correspondam ao transformers camada por camada e que a geração greedy reproduza os tokens exatamente.
O autor descobriu que comparar implementações bf16 diretamente é falho devido a diferenças de arredondamento, exigindo comparação contra float32 em relação ao erro da fonte.
Compilar JIT um decoder em XXL foi encontrado como mensuravelmente menos preciso do que a execução eager, enquanto os encoders não mostraram esse problema.
Um bug sutil de LayerNorm em bf16 foi detectável apenas no nível de bloco, destacando a necessidade de testes granulares.

Os checkpoints verificados estão disponíveis em uma coleção do Hugging Face, e a biblioteca é instalável via pip.

Importância 1/3 Confiança 1/3 Hugging Face Forums Inference efficiency Local inference

Artigos relacionados

media Hugging Face Forums · há 3 d · 13 visualizações

AiiStream Q3.6 permite executar Qwen3.6-35B-A3B em Macs com 8-16 GB de RAM

O autor lançou o AiiStream Q3.6, uma técnica de código aberto que permite que o modelo Qwen3.6-35B-A3B seja executado em dispositivos Apple Silicon com apenas 8 a 16 GB de RAM. Ao manter os especialistas roteados no SSD e usar previsões de carregamento antecipado, o método reduz o uso de memória do MLX para aproximadamente 1,7 GB, mantendo saídas idênticas ao nível de bytes em comparação com a implementação padrão do mlx_lm.

github llama.cpp · há 4 d · 22 visualizações

llama.cpp b11307 preserva a ordem do lote para decodificação especulativa

O projeto llama.cpp lançou a compilação b11307, que corrige a ordem de entrada das camadas para preservar a sequência original do lote durante a decodificação especulativa. Esta alteração garante que a ordem dos tokens seja mantida corretamente para os embeddings NextN não mascarados e seja compatível com divisões de tensores.

github llama.cpp · há 4 d · 6 visualizações

llama.cpp b11301 corrige estouro inteiro em ggml/gguf

O projeto llama.cpp lançou a compilação b11301, que inclui uma correção para um problema de estouro inteiro nos componentes ggml e gguf. Esta atualização aborda a lógica de validação para prevenir erros potenciais ao lidar com tensores de zero elementos.

github llama.cpp · há 4 d · 15 visualizações

llama.cpp b11302 corrige corrida de dados do ThreadSanitizer no indexador esparsa

O projeto llama.cpp lançou a compilação b11302, que aborda um problema crítico de concorrência identificado pelo ThreadSanitizer no pipeline de CI. A atualização resolve uma corrida de dados dentro do mecanismo de atenção esparsa onde vários threads da CPU estavam gravando incorretamente nos mesmos elementos de memória.

github llama.cpp · há 4 d · 8 visualizações

llama.cpp b11298 adiciona suporte a dflash para conversão e extração de recursos

O projeto llama.cpp lançou a compilação b11298, que introduz suporte ao formato dflash. Esta atualização permite tanto a conversão de modelos para este formato quanto a capacidade subsequente de extração de recursos.