1- 位 LLMs 的正式推断框架
Overview bitnet.cpp是1-bit LLMs(如BitNet b1.58)的官方推断框架. 它提供一组优化的内核,支持快速而无损失地推断出CPU和GPU上的1.58位模型(NPU支持即将到来). 尝试通过这个在线演示,或者在自己的CPU或GPU上构建和运行. bitnet.cpp在ARM CPU上实现了1.37x到5.07x的速度,较大的模型的性能增益更大. 此外,它将能耗减少55.4%至70.0%,进一步提高了总体效率。 在x86CPU上,速度从2.37x到6.17x不等,能量削减从71.9%到82.2%. 此外,bitnet.cpp可以在单个CPU上运行一个100B BitNet b1.58模型,实现与人读(每秒5-7个令牌)相仿的速度,大大提高了在本地设备上运行LLM的潜力. 详见技术报告。 玛..