PulseAugur
实时 07:31:27
English(EN) FLASH-MAXSIM: IO-Aware Fused Kernels for Late-Interaction Scoring

新的GPU内核加速AI检索任务,减少内存使用

研究人员开发了Flash-MaxSim,这是一种新颖的感知IO的融合GPU内核,旨在优化晚期交互检索评分。该新内核计算与标准实现相同的分数,但避免了物化大型中间相似性张量,从而显著减少了内存使用并提高了速度。Flash-MaxSim在A100 GPU上实现了高达3.9倍的性能提升,并使用了高达16倍的推理内存,从而能够处理以前无法实现的更大批次大小和语料库大小。 AI

影响 通过显著减少内存占用和提高处理速度来加速AI检索任务。

排序理由 该集群包含一篇详细介绍AI检索新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

新的GPU内核加速AI检索任务,减少内存使用

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Udi Barzelay ·

    FLASH-MAXSIM:面向后期交互评分的 IO 感知融合内核

    Late-interaction retrieval (ColBERT, ColPali) scores a query against a document with the MaxSim operator: for every query token, the maximum similarity over the document tokens, summed over query tokens. The standard implementation materializes the full query-token x document-tok…