Medusa

使用多个解码头加速 LLM 生成的简单框架

Medusa 加速 LLM生成多解码头性能优化 Github 开源项目

Medusa框架通过多解码头技术加速大型语言模型(LLM)的生成，解决了草稿模型需求、系统复杂性和采样生成效率低的问题。在保持原模型性能的基础上，Medusa通过添加新解码头预测多个未来词，显著提升生成速度。最新的Medusa-2版本支持全模型训练和自我蒸馏，使任何微调后的LLM都能利用Medusa，无需原始训练数据。测试显示在不同LLM上提升了2.2-3.6倍的速度。

访问官网

Github

介绍相关项目

mini-magnum-12b-v1.1-iMat-GGUF - 基于mini-magnum的量化优化大语言模型

GGUFGithubHuggingfacellama.cppmini-magnum-12b大语言模型开源项目模型量化

mini-magnum-12b-v1.1模型的量化优化版本，采用iMatrix技术和fp16 GGUF进行量化处理。经验证可在llama.cpp、text-generation-web-ui等主流平台稳定运行，支持Flash Attention加速，并提供多种优化配置方案。项目包含详细的性能对比数据和部署指南，方便开发者快速上手使用。

MFTCoder - 优化代码大模型性能的多任务微调框架

CodeFuseGithubHumanEvalMFTCoder代码大语言模型多任务微调开源项目

MFTCoder是一个开源的多任务微调框架,致力于提升代码大模型性能。该框架支持多种主流开源大模型,采用LoRA和QLoRA等高效微调方法,实现多任务平衡训练。MFTCoder还开源了多个高性能代码大模型和高质量数据集,在HumanEval等基准测试中表现优异。这一框架旨在促进代码大模型领域的协作与创新。

vllm - 高性能与易用性的LLM推理与服务平台

GithubLLM服务PagedAttentionvLLM开源项目量化高吞吐量

vLLM是一个高性能且易用的LLM推理与服务平台，具备PagedAttention内存管理、CUDA/HIP图形加速、量化支持、并行解码算法及流式输出等技术优势。vLLM无缝集成Hugging Face模型，兼容多种硬件设备，支持分布式推理和OpenAI API。最新版本支持Llama 3.1和FP8量化。用户可通过pip安装并参考详细文档快速入门。

Mixture-of-depths - Transformer语言模型的动态计算资源分配方法

GithubMixture-of-Depths开源项目模型实现深度学习语言模型

Mixture-of-depths是一种Transformer语言模型优化方法，通过动态分配计算资源提高性能。该项目提供Mistral、Mixtral、LLama等多个主流模型的非官方实现。项目支持高级API接口，兼容transformers库，便于研究应用。这种方法旨在提升模型推理效率和灵活性，同时保持输出质量。

InferLLM - 轻量化语言模型推理框架，兼容多种模型格式和设备

GithubInferLLMllama.cpp多模型兼容开源项目模型推理高效率

InferLLM 是一个高效简洁的语言模型推理框架，源于 llama.cpp 项目。主要特点包括结构简单、高性能、易于上手，并支持多模型格式。目前兼容 CPU 和 GPU，可优化 Arm、x86、CUDA 和 riscv-vector，并支持移动设备部署。InferLLM 引入了专有 KVstorage 类型以简化缓存和管理，适合多种应用场景。最新支持的模型包括 LLama-2-7B、ChatGLM、Alpaca 等。

FasterTransformer4CodeFuse - 优化的CodeFuse模型推理引擎高性能支持

CodeFuseFasterTransformerGithub开源项目性能优化模型推理量化

FasterTransformer4CodeFuse是一个针对蚂蚁集团CodeFuse模型的优化推理引擎。它实现了Int8量化、流式输出和快速模型加载，同时改进了提示词处理并提供Python API。项目还支持多GPU tensor并行推理，并提供了详细的性能数据。相比原始FasterTransformer，该项目更适合需要高效推理CodeFuse模型的开发者和研究人员，能够显著提升性能和使用体验。对于寻求高效CodeFuse模型部署方案的团队，这是一个值得考虑的开源选择。

Llama-3.2-3B-Instruct-bnb-4bit - Unsloth技术加速大型语言模型微调

GithubHuggingfaceLlama 3.2Unslothtransformers大语言模型开源项目微调模型

Llama-3.2-3B-Instruct-bnb-4bit项目利用Unsloth技术提高大型语言模型微调效率。该方法可将Llama 3.2、Gemma 2和Mistral等模型的微调速度提升2-5倍，同时降低70%内存占用。项目提供多个Google Colab笔记本，支持Llama-3.2、Gemma 2、Mistral等多种模型。这些笔记本操作简便，适合初学者使用，只需添加数据集并运行即可完成模型微调。

streaming-llm - 突破输入长度限制的流式语言模型框架

AI对话GithubStreamingLLM开源项目无限长度输入注意力机制语言模型

StreamingLLM是一个创新框架，使大型语言模型能处理超长输入序列。它通过注意力汇聚点技术解决了长文本处理的内存和性能问题，无需额外微调。在多轮对话等流式应用中，StreamingLLM比基线方法速度提升最高22.2倍。该技术已被多个知名项目采用，为语言模型的实际应用开辟了新途径。

monitors4codegen - Monitor-Guided Decoding提升代码生成模型性能

GithubLanguage Server ProtocolMonitor-Guided Decoding代码生成多语言支持开源项目静态分析

Monitor-Guided Decoding (MGD)是一种创新的代码生成方法,利用静态分析指导语言模型解码。该方法无需额外训练即可提高350M至175B参数规模模型生成代码的编译成功率。项目提供多语言静态分析工具multilspy,支持Java、Rust、C#和Python代码分析,并包含数据集、评估脚本和推理结果,便于复现研究成果。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号