返回榜单

microsoft / MInference

[NeurIPS’24 Spotlight, ICLR’25, ICML’25] 为了加快长上下文 LLM 的推理速度,通过近似和动态稀疏计算注意力机制,从而在利用 A100 设备进行预填充时将推理延迟降低至原来的 10 倍,同时仍能保持高准确性。

仓库 Star
1,232总榜 #35,563
Fork
85
最近推送
28 天前更新
仓库创建
2024 年创建
应用与完整系统通用PythonMIT · 宽松,可直接商用
查看源码官网

用途与标签

项目原文 · GitHub
[NeurIPS'24 Spotlight, ICLR'25, ICML'25] To speed up Long-context LLMs' inference, approximate and dynamic sparse calculate the attention, which reduces inference latency by up to 10x for pre-filling on an A100 while maintaining accuracy.

Star 走势

1,2321,2331,23311-06 · 1,23210-0810-1310-1810-2310-2811-0211-06

首次收录 2026-11-06采集时间 2026-11-06 08:35 UTC数据来源许可证原文

介绍根据项目公开资料整理,未经实际测试。 · GitHub 仓库 Star,不是独立使用人数 · 商用三档依据许可证元数据自动分类;具体义务需结合实际使用方式核对。未知不等于禁止商用。