大型語言模型推理加速

insight - 大型語言模型推理加速

PipeInfer 是一種新型的大型語言模型推理加速技術，它利用異步流水線推測和早期推理取消等機制，顯著提高了生成速度和系統利用率，同時降低了對推測準確率和互連頻寬的要求。

SuffixDecoding 是一種基於字尾樹的新型預測解碼方法，無需額外模型或微調，即可有效加速大型語言模型的推理速度，尤其適用於結構化輸出任務和多代理 LLM 流程應用。

FIRP 是一種新的推測解碼方法，透過預測未來標記的中間隱藏狀態，能夠在單次前向傳播中生成多個標記，從而顯著提升大型語言模型的推理速度。

大型語言模型 (LLM) 在推理過程中只需激活一小部分關鍵神經元（稱為核心神經元），就能在不損害效能的情況下顯著提高推理速度。

本文提出了一種基於上下文感知的助手模型選擇方法，通過在推理過程中動態選擇最合適的助手模型，以提升大型語言模型在資源受限環境下的推理速度，並在多個任務和模型架構上驗證了該方法的有效性。

本文提出了一種名為 Cerberus 的新型平行解碼框架，通過引入 Cerberus Heads 和基於熵值的閘控機制，在不影響生成品質的前提下，顯著提升了大型語言模型的推理速度。

About

Products

Resources