万字综述大模型高效推理

导读 机器之心发布作者:宁雪妃、周紫轩(无问芯穹TechView)近年来,大语言模型(LargeLanguageModels,LLMs)受到学术界和工业界的广泛关注,得...

机器之心发布作者:宁雪妃、周紫轩(无问芯穹TechView)近年来,大语言模型(LargeLanguageModels,LLMs)受到学术界和工业界的广泛关注,得益于其在各种语言生成任务上的出色表现,大语言模型推动了各种人工智能应用(例如ChatGPT、Copilot等)的发展。然而,大语言模型的落地应用受到其较大的推理开销的限制,对部署资源、用户体验、经济成本都带来了巨大挑战。例如,将包含700亿参数量的LLaMA-2-70B模型进行部署推理,至少需要6张RTX3090Ti显卡或2张NVIDIAA100显卡,以部署在A100显卡上为例,该模型生成512长度的词块(token)序列需要耗时超过
免责声明:本文由用户上传,如有侵权请联系删除!