研究人员开发了FlyWheel,这是一组针对Google的Tensor Processing Units (TPUs) 优化的新型注意力核。这些核通过重新设计计算和改进数据布局以最大化矩阵单元利用率,解决了当前TPU实现中的低效问题。FlyWheel在softmax和线性注意力机制方面均展示了显著的加速,性能优于现有的最先进核,并在TPU v6e上实现了峰值BF16吞吐量的高利用率。当集成到vLLM服务框架中用于Qwen3.8-27B模型时,FlyWheel在保持精度的同时提高了预填充吞吐量。 AI
影响 优化的注意力核可能带来更快的专用硬件上大型语言模型的推理和训练速度。
排序理由 该项目是一篇研究论文,详细介绍了一组用于TPU的新注意力核。[lever_c_demoted from research: ic=1 ai=1.0]
- bfloat16
- flywheel
- Gated DeltaNet
- linear attention
- MXUs
- Qwen3.8-27B
- RPA kernel
- softmax attention
- Splash Attention
- TPU v6e
- TPU v7x
- vLLM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →