MInference

动态稀疏注意力加速长上下文语言模型

MInference 大语言模型动态稀疏注意力长文本处理性能优化 Github 开源项目

MInference是一项新技术，通过利用长上下文语言模型注意力机制的动态稀疏性来加速预填充过程。该技术离线确定注意力头的稀疏模式，在线近似稀疏索引，并使用优化内核动态计算注意力。在A100 GPU上，MInference实现了预填充速度提升10倍，同时保持模型准确性。它支持LLaMA-3、GLM-4等多种长上下文模型，有效处理百万级别token的上下文。

访问官网

Github

Huggingface

介绍相关项目

awesome-efficient-aigc - AIGC效率优化技术与资源汇总

AIGCGithubLLM开源项目模型压缩量化高效推理

该项目汇集了提高AI生成内容(AIGC)效率的最新技术资源，包括大语言模型(LLMs)和扩散模型(DMs)的优化方法。收录内容涵盖前沿研究论文、代码实现和综述文章，重点关注量化、微调等效率提升技术。这一持续更新的资源库为AIGC领域的研究和开发提供了全面的参考，有助于推动相关技术的进步与落地应用。

Phi-3.5-mini-instruct - Unsloth加速技术让开源语言模型训练更高效

GithubHuggingfacePhi-3.5Unsloth多语言开源项目微调模型长上下文

Phi-3.5-mini-instruct是微软AI团队开发的开源语言模型,具备多语言理解、长文本处理和代码生成能力,支持128K上下文长度。结合Unsloth优化技术,模型训练速度提升2倍,内存占用降低50%。适合在资源受限环境下部署的AI应用开发,并提供Google Colab环境供快速测试验证。

airllm - 在单个4GB GPU上运行70B大模型，无需量化和蒸馏

AirLLMGithubLlama3.1大语言模型开源项目推理优化模型压缩

AirLLM优化了推理内存使用，使70B大模型能在单个4GB GPU上运行，无需量化、蒸馏或剪枝。同时，8GB显存可运行405B的Llama3.1。支持多种模型压缩方式，推理速度可提升至3倍。兼容多种大模型，提供详细配置和案例，支持在MacOS上运行。

landmark-attention - 突破性长序列处理技术的高效注意力机制

GithubLLaMALandmark AttentionTransformer开源项目深度学习语言模型

Landmark Attention项目提供了一种创新注意力机制的实现，可处理无限长度的上下文。该项目包含语言建模基准测试和LLaMA模型微调代码，以及与Flash Attention结合的Triton实现。通过在输入中添加特殊landmark标记，实现了对超长序列的随机访问，优化了Transformer模型的长文本处理能力，同时显著降低了内存使用并提高了性能。

ppl.nn - 用于 AI 推理的高性能深度学习推理引擎

GithubONNXOpenMMLabPPLNN卷积神经网络开源项目深度学习推理

PPLNN是一款高效的深度学习推理引擎，兼容各种ONNX模型，并对OpenMMLab进行了优化。其最新的LLM引擎包括闪存注意力、分裂K注意力、动态批处理和张量并行等功能，并支持INT8分组和通道量化。项目发布了多个LLM模型，如LLaMA、ChatGLM和Baichuan，并提供详细的构建和集成指南。

MiniCPM-V-2_6-GGUF - 使用imatrix量化优化模型性能

GithubHuggingfaceMiniCPM-V-2_6transformers多语言开源项目模型视觉处理量化

项目应用llama.cpp的imatrix量化方法，优化模型的文本性能。提供多种量化文件，适配不同硬件配置，尤其适合低RAM环境。这一技术允许根据系统RAM和GPU VRAM选择合适的模型，实现性能与速度的平衡。支持多模态图像-文本转换和多语言处理，可在LM Studio中运行，为开源社区提供多样化的工具和使用选择。

InternLM - 支持1M上下文的聊天模型

GithubInternLM2.5人工智能增强学习开源项目搜集信息长上下文

InternLM2.5系列采用最新技术，专注于AI研究和商业应用的长文本处理和逻辑推理，提供1M文本窗口处理能力和优化的指令遵循与用户互动体验。适合广泛的应用场景。

m2 - 子二次GEMM架构Monarch Mixer实现高效语言模型

GithubM2-BERTMonarch Mixer人工智能开源项目机器学习自然语言处理

Monarch Mixer是一种创新的子二次GEMM架构，用于训练序列长度和模型维度均为子二次的语言模型。该架构使用Monarch矩阵层替代Transformer中的注意力和MLP操作，提高了计算效率。基于此架构的M2-BERT模型在减少25%参数和计算量的同时，在GLUE基准测试中达到了与BERT相当的性能。项目开源了预训练模型权重以及预训练和微调代码，方便研究者进行further研究。

attention_sinks - 调整预训练的 LLM 以使用修改后的滑动窗口注意力形式

Githubattention_sinkstransformers开源项目流畅生成深度学习模型高效流处理

通过`attention_sinks`改进预训练语言模型，结合滑动窗口注意力，实现流畅文字生成。与传统`transformers`不同，保持显存恒定使用，确保高效性能。支持Llama、Mistral、Falcon、MPT、GPTNeoX等多种模型，适用于多步生成任务，如聊天机器人。详细benchmark测试结果显示，该技术在处理数百万个令牌后依然保持低困惑度和高流畅度，是多任务处理的理想选择。

Chinese-Mixtral - 使用Sparse MoE架构的中文Mixtral模型

Chinese-MixtralGithubMixtral大模型量化开源项目指令精调稀疏混合专家模型

模型基于Mistral.ai的Mixtral模型开发，经过中文增量训练与指令精调，具备处理长文本（原生支持32K上下文，实测可达128K）的能力。包括中文Mixtral基础模型与指令模型，显著提升数学推理和代码生成性能。通过llama.cpp进行量化推理，最低仅需16G内存。开源提供代码、训练脚本与详细教程，支持多种推理和部署工具，适合个人电脑本地快速部署量化模型。

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