AI宝库

AI宝库首页 › AI 资讯 › Polymathic AI和普林斯顿研究员发布 FlashMap,用于6. 14

Polymathic AI和普林斯顿研究员发布 FlashMap,用于6. 14x更快 LLM 解码的流程图起草器

来源:MarkTechPost · 发布时间:10-28 · 由 AI宝库每小时自动聚合

FlashMap是来自Polymathic AI,普林斯顿和USC ISI研究人员的投机解码起草者。 它在一次通过中共同起草16个令牌,达到6.14

来自Polymathic AI,普林斯顿大学,USC ISI,NYU和Flatiron研究所的研究人员拥有发布 FlashMap. FlashMap投机解码器用连续流图来取代离散扩散起草器。 它在1个前传中起草一个完整的16个地块。 那块地上的木桩彼此一致在Qwen3-8B上,研究小组报告GSM8K上最高可达6.14x无损失快取。 Qwen3-8B和Qwen3-4B的起草器重量在Hugging Face上,有vLLM和SGLang插件。

TL; DR 数据

- 大小:0.5B-参数起草器(500M为Qwen3-8B,475M为Qwen3-4B);草稿块为K=16个令牌。

- 运行在:与目标型号相同的GPU. 纸张快取法使用1NVIDIA H200 NVL,以1为同位素,在bf16中。

- 性能:在Qwen3-8B测试速度最快的起草器,平均比再训练的DFlash高约7%。

- 最佳:在0温下,在GSM8K上加速6.14x(接受长度为7.69令牌).

- 最差:2.28x在气温1时在阿尔帕卡上加速,在Qwen3-4B上(温度为0),它在9个任务中的4个任务上跟踪了DFlash.

什么是闪光地图?

FlashMap是一个投机性的解码起草器,它将高斯噪声映射到1个符号块。 一个小起草者提出 K 令牌。 目标模型随后检查了1个平行通过中的所有K并保留了最长的匹配前缀。 产出与目标完全相同。

速度取决于两件事。 有多少已起草的代币被接受,而且起草得多么便宜。 EAGLE-3的草稿自动递减,所以成本随着块长而增加。 DFlash在1个传出区块中起草整块。

为什么传播起草者会失去接受?

DFlash 独立预测区块中的每个槽。 研究团队称此为因子化近似。 想象一种“纽约”或“San diego”的续作,其概率相当高。 独立起草人提出“新死神”或“桑·约克”一半时间。 目标拒绝在2号档位的人。

FlashMap基于流图语言模型。 每张噪音样本图到一整块噪音为每个槽共同选择模式。

FlashMap 如何工作?

起草器为6块放送变压器(DiT),嵌入维度为2048和16个注意力头。 它读取了目标层1、9、17、25和33的隐藏状态。 嵌入矩阵和LM头被复制出目标并保持被冻结。

培训分为两个阶段:

- 流动教师:在一热的符号块上持续流动,受过交叉进取训练。 一个时间再参数化处理Qwen3的151,936-token词汇。

- 流出地图学生:半群分馏使流出地变成2次分相。 它在1个步骤中从噪音跳到数据。

两名起草者都从Open-PerfectBlend接受500K样本的训练。 H200s上,所有型号的计算总时数约为4 600GPU小时。

FlashMap如何比较基准测试?.

研究团队在相同的数据和设置上对EAGLE-3和DFlash进行了再培训。 测试涵盖9个基准测试,跨越了数学,代码和聊天,温度为0和1.

- 速度:1- step FlashMap 是每个Qwen3-8B任务上最快的起草器,在两种温度下。

- 精确度:在18个设置中的15个设置中,1步FlashMap在接受长度上击打DFlash. 它有大约一半的参数。

- 聊天收益最大:在0温度下,比DFlash的得分在数学上为5.5%,聊天为11.1%。

- 2步模式:18个设置中的18个设置的接收长度比DFlash多出10%。

- EAGLE-3:在一号温度下,它的接受长度要高9%,但运行速度要慢35%。

洗牌测试检查草稿是否使用真正的间接结构。 在2步,FlashMap恢复了16步教师的大部分联合结构收益。 在一步,它只保留了一小部分。 起草出4个噪声样本作为一棵树融资,平均速度为11%.

比较:FlashMap 与其他投机解码起草器

平均速度由Marktechpost从FlashMap纸张图1(c)中计算出。 匹配行使用作者的再训练基线。

如何部署闪光地图?

闪光图包只需要火炬和变压器QQ4.56. 用uv pip安装闪光图安装它。 一个 spec generate 调用在 1 GPU 上运行起草器和目标一起运行。

对于服务,项目页面给出了两种途径:

- vLLM 0.31:将起草器通过 -- speculative-config中以 num speculative tokens 设置为 16 个。

- SGLang 0.5.20:使用 -- spective-algorithm DSPARK 与 FlashMap 草稿路径。

设置 num steps=2 以交换某种速度以获得更高的接受。 对于温度为0以上的采样,vLLM需要"draw sample 方法":"概率".

关键外卖

- FlashMap在1个通过中联合起草16个符号并附有连续流图。

- Qwen3-8B上最高可达6.14x无损失快取,使用0.5B起草器。

- 速度快于所有9个Qwen3-8B 基准测试的再训练DFlash.

- 两步模式使整个街区都能平稳接受。

- 重量为Apache-2.0,代码为MIT,有vLLM和SGLang插件。

请检查access-date=中的日期值 (帮助) 论文,项目页,GitHub回放和模型权重。 并加入我们的通讯。 等等,你在电报里吗?现在你也可以加入我们的电报。

需要和我们合作推广您的 GitHub Repo OR Hugging Face Page OR Product Release OR Webinar等吗?联系我们

Asif Razzaq是Marktechpost AI Media Inc.的首席执行官。 作为一个有远见的企业家和工程师,阿西夫致力于利用人工智能的潜力为社会造福。 他最近的努力是人工智能媒体平台的发布,该平台以深入报道机器学习和深层学习新闻而出名,这些新闻在技术上既可靠又为广大观众所容易理解。 该平台每月有超过200万次观看,表明其受观众欢迎。

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(marktechpost.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 595 款 AI 工具分类导航 · 每日 AI 热门项目与动态