ReDrafter
NVIDIA GPU上加速LLM推理的创新技术
0
- - 推测性解码：使用RNN草稿模型和动态树注意力机制加速LLM token生成。
- - 性能提升：在开源模型上，ReDrafter能够实现高达3.5个token每生成步骤的速度提升。
- - 集成TensorRT-LLM：与NVIDIA合作，将ReDrafter集成到TensorRT-LLM框架中，提升了框架对复杂模型和解码方法的兼容性。
- - 减少延迟：通过提高推理效率，显著减少了用户在使用LLM时的延迟。
- - 降低成本：减少GPU使用和能源消耗，降低了计算成本。
- - 开源模型支持：ReDrafter支持多种开源LLMs，增加了技术的普及度和应用范围。
- - 易于部署：ML开发者可以轻松地将ReDrafter应用于生产LLM应用中，享受加速带来的优势。
产品详情
ReDrafter是一种新颖的推测性解码方法，通过结合RNN草稿模型和动态树注意力机制，显著提高了大型语言模型（LLM）在NVIDIA GPU上的推理速度。这项技术通过加速LLM的token生成，减少了用户可能经历的延迟，同时减少了GPU的使用和能源消耗。ReDrafter由Apple机器学习研究团队开发，并与NVIDIA合作集成到NVIDIA TensorRT-LLM推理加速框架中，为使用NVIDIA GPU的机器学习开发者提供了更快的token生成能力。
