IT之家 12 月 19 日音讯，苹果公司昨日（12 月 18 日）发布博文，告示和英伟达（Nvidia）相助，通过开源 Recurrent Drafter（ReDrafter）推测解码步调，显赫普及了 AI 大言语模子（LLM）的推理速率。

苹果公司示意 ReDrafter 已集成到 NVIDIA TensorRT-LLM 推理加快框架中，在 NVIDIA GPU 上，每秒生成 tokens 速率最高普及 2.7 倍，有用裁减了用户延长和估量资本。

苹果的机器学习照管东说念主员指出，LLM 越来越多地用于初始坐蓐运用设施，提高推理后果对裁减估量资本和用户延长至关周折。

IT之家征引苹果官方博文，ReDrafter 使用 RNN 草稿模子，连续波束搜索（beam search）与动态树留意力（dynamic tree attention），不错让路源模子每步生成最多 3.5 个 tokens，特出了先前推测性解码手艺的性能。

为将 ReDrafter 运用于坐蓐环境，苹果与 NVIDIA 张开相助，将其集成到 NVIDIA TensorRT-LLM 框架中。

英伟达为此添加了新的运算符并公开了现存运算符，增强了 TensorRT-LLM 对复杂模子息争码步调的适合性。

基准测试终了败露，在 NVIDIA GPU 上使用集成了 ReDrafter 的 TensorRT-LLM 框架，数百亿参数畛域的坐蓐模子的解码速率普及了 2.7 倍。这不仅裁减了用户体验延长，还减少了 GPU 使用数目和功耗。

IT之家附上参考地址

Apple collaborates with NVIDIA to research faster LLM performance

NVIDIA TensorRT-LLM Now Supports Recurrent Drafting for Optimizing LLM Inference

ml-recurrent-drafter

Accelerating LLM Inference on NVIDIA GPUs with ReDrafter云开体育