llama.cpp b12293 修正 CPU Flash Attention 累加精度與 F16 路徑效能
b12293: cpu: accumulate flash attention V in F32 (#29810)
重點導讀
llama.cpp b12293 調整 CPU 的 Flash Attention 單區塊核心,讓所有 V 型別都以 F32 累加,避免長上下文下 F16 累加值超過 65504 後產生 inf,並在後續 token 引發 NaN。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處github.com
b12293: cpu: accumulate flash attention V in F32 (#29810)
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: llama.cpp Releases (github.com)
開啟原文