#алгоритмическая_оптимизация — Public Fediverse posts

Алгоритмы спекулятивного инференса LLM

За последние годы качество LLM моделей сильно выросло, методы квантизации стали лучше, а видеокарты мощнее. Тем не менее качество генерации все еще напрямую зависит от размера весов и, как следствие, вычислительной сложности. Кроме того, генерация текста авторегрессионна - токен за токеном по одному, потому ее сложность зависит от размера контекста и количества генерируемых токенов. Но генерация текста не всегда имеет однородную сложность, так же как мы во многом мыслим идеями, а слова произносим “на автомате”. В статье обсудим алгоритмы, позволяющие использовать эту неоднородность для ускорения.

https://habr.com/ru/articles/871704/

#инференс #спекулятивный_декодинг #llm #оптимизация_инференса #алгоритмическая_оптимизация #ml #DL #ML_алгоритмы #DL_инференс