Hugging Face retweet turboquant-gpu ferramenta, afirmando oferecer compressão de cache KV de 5,02 vezes

ME News Notícias, 6 de abril (UTC+8), Hugging Face recentemente retweetou uma mensagem publicada por anirudhbv_ce, anunciando o lançamento da ferramenta turboquant-gpu.
A ferramenta afirma oferecer até 5,02 vezes de compressão de cache KV para qualquer GPU (incluindo RTX, H100, A100, B200).
De acordo com o artigo, suas características incluem: compatibilidade com a biblioteca Hugging Face Transformers; API extremamente simples, alegando que apenas 3 linhas de código são necessárias para compressão e geração; uso da tecnologia de compressão KV de fusão Lloyd-Max de 3 bits, com uma precisão de similaridade cosseno de 0,98.
O artigo opina que seu desempenho supera o do MXFP4 (compressão de 3,76 vezes) e de outro esquema não nomeado. (Fonte: InFoQ)

Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • Comentário
  • Repostar
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
Sem comentários
  • Marcar