PulseAugur
中
实时 16:08:40
English(EN) b11730: cuda: cap MMQ Stream-K blocks at available work (#30553)

llama.cpp 通过 Stream-K 块限制优化 CUDA 性能

作者 PulseAugur 编辑部 · [1 个来源] ·

llama.cpp 项目发布了更新版本 b11730，其中包括对 CUDA 性能的优化。这些更改旨在通过限制为 Stream-K 操作启动的 CUDA 块数量来提高效率，特别是针对较小的矩阵。此次更新还改进了限制机制，使其与 k-迭代次数保持一致，确保在不改变数值结果的情况下移除多余的块，并在 RTX 5090 上通过后端测试进行了验证。 AI

影响 llama.cpp 的优化可以提高本地 AI 模型推理的效率。

排序理由 这是关于推理优化的开源项目的软件更新，而非前沿模型发布或重大行业事件。

在 llama.cpp — Releases 阅读 →

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

llama.cpp 通过 Stream-K 块限制优化 CUDA 性能

本文如何被排名

Signal score
4 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是关于推理优化的开源项目的软件更新，而非前沿模型发布或重大行业事件。
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
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]

  1. llama.cpp — Releases TIER_1 English(EN) · joelagnel ·

    b11730: cuda: 将 MMQ Stream-K 块限制在可用工作范围内（#30553）

    <ul> <li>cuda: cap Stream-K blocks at the number of k-blocks</li> </ul> <p>Stream-K normally launches one CUDA block per SM. For small matrices,<br /> this can exceed the total number of output-tile/k-block pairs, leaving<br /> blocks with no work and adding launch and fixup over…

相关实体

相关话题