microsoft/MInference
[NeurIPS'24 Spotlight, ICLR'25, ICML'25] To speed up Long-context LLMs' inference, approximate and dynamic sparse calculate the attention, which reduces inference latency by up to 10x for pre-filling on an A100 while maintaining accuracy.
Licencia y mantenimiento
MIT es una licencia permisiva: uso comercial libre con atribución.
Último cambio de código hace 9 días.