IT之家 12 月 19 日消息，蘋果公司昨日（12 月 18 日）發(fā)布博文，宣布和英偉達(dá)（Nvidia）合作，通過開源 Recurrent Drafter（ReDrafter）推測解碼方法，顯著提升了 AI 大語言模型（LLM）的推理速度。
蘋果公司表示 ReDrafter 已集成到 NVIDIA TensorRT-LLM 推理加速框架中，在 NVIDIA GPU 上，每秒生成 tokens 速度最高提升 2.7 倍，有效降低了用戶延遲和計算成本。
蘋果的機器學(xué)習(xí)研究人員指出，LLM 越來越多地用于驅(qū)動生產(chǎn)應(yīng)用程序，提高推理效率對降低計算成本和用戶延遲至關(guān)重要。
IT之家援引蘋果官方博文，ReDrafter 使用 RNN 草稿模型，結(jié)合波束搜索（beam search）與動態(tài)樹注意力（dynamic tree attention），可以讓開源模型每步生成最多 3.5 個 tokens，超越了先前推測性解碼技術(shù)的性能。
為將 ReDrafter 應(yīng)用于生產(chǎn)環(huán)境，蘋果與 NVIDIA 展開合作，將其集成到 NVIDIA TensorRT-LLM 框架中。
英偉達(dá)為此添加了新的運算符并公開了現(xiàn)有運算符，增強了 TensorRT-LLM 對復(fù)雜模型和解碼方法的適應(yīng)性。
基準(zhǔn)測試結(jié)果顯示，在 NVIDIA GPU 上使用集成了 ReDrafter 的 TensorRT-LLM 框架，數(shù)百億參數(shù)規(guī)模的生產(chǎn)模型的解碼速度提升了 2.7 倍。這不僅降低了用戶體驗延遲，還減少了 GPU 使用數(shù)量和功耗。
IT之家附上參考地址
Apple collaborates with NVIDIA to research faster LLM performance
NVIDIA TensorRT-LLM Now Supports Recurrent Drafting for Optimizing LLM Inference
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。