English(EN) T-CCL: Resource Efficient and Performant Collective Communication using Tensor Memory Accelerator

新的 T-CCL 库利用 TMA 提升多 GPU AI 模型性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员开发了 T-CCL，这是一个专为大型 Transformer 模型中高效多 GPU 执行而设计的新型集体通信库。T-CCL 利用张量内存加速器 (TMA) 来卸载数据移动和归约操作，显著减少了 GPU 流式多处理器 (SM) 上所需的计算资源。这种减少使得通信和计算能够更好地并发执行，从而提高性能。评估显示，在资源受限的条件下，T-CCL 的性能比 NCCL 等现有库高出 3.42 倍，并提高了 vLLM 等系统中的端到端推理吞吐量。 AI

影响通过优化 GPU 间通信，提高了大型模型训练和推理的效率。

排序理由该集群包含一篇详细介绍用于提高 AI 模型性能的新技术方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于提高 AI 模型性能的新技术方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra, paper; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Keyvan Dadashzadeh, Yuehong Zhou, Minyu Cui, Miquel Pericas · 2026-10-07 04:00

T-CCL：利用张量内存加速器实现资源高效且高性能的集体通信

arXiv:2610.07098v1 Announce Type: cross Abstract: Large transformer-based models increasingly depend on multi-GPU execution, which requires frequent collective communication among GPUs. Existing communication libraries often rely on many GPU threads to achieve high bandwidth or l…

本文如何被排名

报道来源 [1]

T-CCL：利用张量内存加速器实现资源高效且高性能的集体通信

相关实体

相关话题