github llama.cpp · 1 ч назад · inference

llama.cpp b11001 исправляет повреждение транспонирования int16 на RISC-V

Переведено с English → Русский

Проект llama.cpp выпустил сборку b11001, которая включает критическое исправление функции `permute_transpose_impl`, обрабатывающей данные int16 на архитектурах RISC-V.

Предыдущая версия неверно вызывала `rvv_transposed_s32_mn_to_nm` для 16-битных целых чисел, что приводило к повреждённым результатам транспонирования, где 14 из 16 позиций были неверными в матрице 4x4.
Исправление заменяет ошибочный вызов на корректную функцию `rvv_transposed_s16_mn_to_nm`, которая уже была доступна и использовалась elsewhere в flash attention.
Бинарные файлы предоставляются для macOS (Apple Silicon и Intel), iOS, Linux (CPU, Vulkan, CUDA 12/13, ROCm 10.0, OpenVINO, SYCL), Windows (CPU, OpenCL, CUDA 12/13, Vulkan, OpenVINO, SYCL, ROCm 10.0), Android и openEuler.

Это обновление обеспечивает корректное транспонирование данных для операций int16 на оборудовании RISC-V, предотвращая ошибки вычислений в затронутых моделях.

Важность 1/3 Доверие 1/3 llama.cpp Hugging Face Inference efficiency

Оригинал

Похожие статьи

github llama.cpp · 7 ч назад · 1 просмотр

llama.cpp b10995 делает хвост BN/2 операции MUL_MAT_ID в Vulkan безусловным

Проект llama.cpp выпустил сборку b10995, которая изменяет обработку операции MUL_MAT_ID бэкендом Vulkan. В частности, изменение делает хвост BN/2 безусловным, используя BN/2 по умолчанию для BNover2 и в качестве отключенного резервного варианта для BNover4, одновременно убирая управляющий переключатель из этой ветви.

github llama.cpp · 15 ч назад · 2 просмотра

llama.cpp b10989 включает AllReduce для ROCm и предоставляет мультиплатформенные бинарные файлы

Проект llama.cpp выпустил версию b10989, которая добавляет поддержку включения операций AllReduce в бэкенде ROCm. Это обновление является частью текущей разработки по расширению аппаратной совместимости и возможностей распределённых вычислений для вывода больших языковых моделей.

github llama.cpp · 20 ч назад · 1 просмотр

llama.cpp b10988 добавляет выбор умножения матриц экспертов MoE через OpenCL для спекулятивного декодирования

Проект llama.cpp выпустил сборку b10988, внося изменения в бэкенд OpenCL специально для моделей Mixture of Experts (MoE). Обновление реализует логику выбора умножения матриц экспертов MoE на основе размера пакета во время спекулятивного декодирования и предсказания нескольких токенов.

github llama.cpp · 1 д назад · 1 просмотр

llama.cpp b10984 добавляет поддержку CUDA для SUM_ROWS с непрерывным расположением строк

Проект llama.cpp выпустил версию b10984, добавляющую поддержку CUDA для операций SUM_ROWS с непрерывным расположением строк. Это обновление также организует код для включения GGML_OP_MEAN для обработки тензоров с непрерывным расположением строк через общее ядро.

github llama.cpp · 1 д назад · 1 просмотр

llama.cpp b10985 ограничивает RPC hash-кэш только весами

Проект llama.cpp выпустил сборку b10985, которая изменяет RPC-бэкенд, чтобы ограничить хеш-кэширование исключительно тензорами весов. Это изменение решает проблему, когда данные активации ненужно хешировались и сохранялись, что приводило к чрезмерному использованию диска.