llama.cpp项目发布了b11980版本,为量化KV缓存引入了新的DPAS闪存注意力内核。此优化允许对小批量和量化KV块进行更快处理,从而提高在各种硬件和操作系统上的性能。更新特别针对XMX上的s8 x s4和s8 x s8 DPAS的Q.K操作,而V.P保持f16。 AI
影响 提高了在消费级硬件上LLM的推理速度和效率。
排序理由 这是一个开源项目的软件发布,用于优化现有模型的性能,而不是新模型发布或核心研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →