跳到正文
实时
热点事件持续更新

vLLM 使用 FlyDSL 技术加速解码

1 篇报道1 个报道来源21 小时前更新

先了解这件事

AI 综述

vLLM 通过 FlyDSL MonoKernels 技术将多个依赖的算子阶段合并为单个 GPU 核心启动,以减少交互式大语言模型服务中的解码延迟。该方案在 AMD Instinct GPU 上实现 K1 和 K2 两个启动边界,其中 K1 包含注意力前向计算,K2 包含注意力后向、两个张量并行全归约、MoE 和第二个张量并行全归约,整体解码延迟降低 3.5 倍,同时保持 99.9% 的准确率。

AI 根据报道生成 · 更新于 8 小时前

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. vLLM Blog
    vLLM 使用 FlyDSL MonoKernels 实现高交互式解码加速

    vLLM 通过 FlyDSL MonoKernels 技术将多个依赖的算子阶段合并为单个 GPU 核心启动,以减少交互式大语言模型服务中的解码延迟。该方案在 AMD Instinct GPU 上实现 K1 和 K2 两个启动边界,其中 K1 包含注意力前向计算,K2 包含注意力后向、两个张量并行全归约、MoE 和第二个张量并行全归约,整体解码延迟降低 3.5 倍,同时保持 99.9% 的准确率。

本事件热度走势

可比范围当前
6
可比范围峰值
711月18日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。