姜慧强-长文本 LLMs 推理优化：动态稀疏性算法的应用实践.pdf

下载文档

2
0
约6.9千字
约 29页
2024-10-25 发布于山东
举报
版权申诉
保障服务

姜慧强-长文本 LLMs 推理优化：动态稀疏性算法的应用实践.pdf

1、本文档共29页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

长文本LLMs推理优化：动

态稀疏性算法的应用实践

演讲人：姜慧强

LLMsInference优

0102长文本推理挑战

化方法

03观察与解决方案04总结和未来展望

LLMsInference

优化方法

LLMsInference优化方法

Resummarizedbasedon/abs/2312.15234.

LLMsInference优化方法

BitNetYOCOQ-Sparse

长文本推理挑战

Long-contextwillunlockintelligent

applications

Repo-levelDebugging/QASelf-playReasoningLong-video

Understanding/Generation

Long-contextLLMsInferenceBottleneckin

Pre-filling

❑LongPrefillingLatency,30minutestoprocess1Mtokensonan

A100foran8BLLM.

*1.5=21.78mins=60+A100*20sTTFT

HowtoOptimaltheAttentionFLOPs

Long-contextLLMsInferenceBottleneckin

KVCache

❑KVCacheStorageIssue,Storing512Ktokensrequires62GBofGPU

memoryinfp16.

观察与解决方案

Observation1:AttentionisDynamically

Sparse

(a)Attentionissparse.(b)Sparsityofattentionisdynamic.(c)Dynamicallysparsityindecoding.

inprefillingindecoding

•Figure.Thedynamicsparsityinattention.(a)HowmuchFigure.(c)ThedynamicsparsityofeachlayerandheadinLlama-3-

attentionscorescantop-k(k=4096)columnscoverina128k8BmodelintheKVretrievaltestof100ktokens.Thebluecurve

context.(b)Lessattentionscoresareretrievedwhenreusingtheshowsthatdynamicallyselectingtop-1000criticaltokensachieves

top-kindicesfromanoth

您可能关注的文档

文档评论（0）

150****8957 + 关注: 实名认证

内容提供者

该用户很懒，什么也没介绍

咨询Ta 进入空间

1亿VIP精品文档

更多 >

姜慧强-长文本 LLMs 推理优化：动态稀疏性算法的应用实践.pdf