研究人员开发了SPARTA,这是一种新颖的加速器,专为边缘设备上稀疏三元大语言模型(LLM)的高效长上下文推理而设计。SPARTA采用面向阶段的稀疏数据流和统一的计算结构,将三元运算和注意力机制映射到共享处理单元上,从而利用各种形式的稀疏性。一个自适应的两级注意力引擎通过将KV缓存流量减少高达4.8倍,同时损失极小的质量。基准测试表明,SPARTA在生成吞吐量和能效方面显著优于NVIDIA Jetson AGX Orin和AMD Ryzen 7 9700X等现有硬件。 AI
影响 使资源受限的边缘设备上能够实现更强大的LLM功能,可能扩展AI在移动和嵌入式系统中的应用。
排序理由 该集群包含一篇详细介绍LLM推理新硬件架构的学术论文。[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 →