AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：大模型推理效率無損提升3倍，滑鐵盧大學(xué)、北京大學(xué)等機(jī)構(gòu)發(fā)布EAGLE

關(guān)鍵字：報(bào)告,特征,模型,向量,樹狀

文章來源：機(jī)器之心

內(nèi)容字?jǐn)?shù)：5624字

內(nèi)容摘要：機(jī)器之心專欄機(jī)器之心編輯部大語言模型（LLM）被越來越多應(yīng)用于各種領(lǐng)域。然而，它們的文本生成過程既昂貴又緩慢。這種低效率歸因于自回歸解碼的運(yùn)算規(guī)則：每個(gè)詞（token）的生成都需要進(jìn)行一次前向傳播，需要訪問數(shù)十億至數(shù)千億參數(shù)的 LLM。這導(dǎo)致傳統(tǒng)自回歸解碼的速度較慢。近日，滑鐵盧大學(xué)、加拿大向量研究院、北京大學(xué)等機(jī)構(gòu)聯(lián)合發(fā)布 EAGLE，旨在提升大語言模型的推理速度，同時(shí)保證模型輸出文本的分布一致。這種方法外推 LLM 的第二頂層特征向量，能夠顯著提升生成效率。技術(shù)報(bào)告：https://sites.google.com/view/eagle-llm代碼（支持商用 Apache 2.0）：https://github.com/SafeAILab/EAGLEEAGLE 具有以下特點(diǎn)：比普通自回歸解碼（13B）快 3 倍；比 Lookahead 解碼（13B）快 2 倍；比 Medusa 解碼（…

原文鏈接：點(diǎn)此閱讀原文：大模型推理效率無損提升3倍，滑鐵盧大學(xué)、北京大學(xué)等機(jī)構(gòu)發(fā)布EAGLE

聯(lián)系作者

文章來源：機(jī)器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)