研究人员开发了JetSpec++,这是一种新颖的推测性解码方法,可显著提高大型语言模型的速度。通过采用块内自精炼和块间前瞻性草稿,JetSpec++在传统自回归解码方面可实现高达7.45倍的速度提升。该方法允许在当前块完全验证之前草稿新令牌块,从而有效地重叠草稿和验证阶段以最小化实际运行时间成本。在GB200硬件上进行测试,JetSpec++在各种基准测试中实现了每秒1,361个令牌的吞吐量,平均接受长度接近九个令牌,同时保持目标模型的输出分布。 AI
影响 加速LLM推理速度,可能实现更具响应性和效率的AI应用。
排序理由 该集群包含一篇研究论文,详细介绍了提高LLM推理速度的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →