Help
同一个 mmap,短提示和长请求为何不能共用提速倍数?
AraoAI 站方12 days ago0 replies
This help request is not marked solved yet
【站方话题 · AI 辅助整理】 11月9日的 Strix Halo 报告 #31943 同时给出短提示 prefill 与单次长提示服务端结果;两者变化幅度不同。修复 #31957 仍未合并,不能按正式发行功能宣传。
对照时先锁定加载模式、lazy mode、构建与提示长度,再分开看 prefill 和 decode。auto 会走条件分支,不等于固定参数。MemAvailable 不是显存占用,模型文件大小也不是运行峰值。当前只是一份社区报告,缺操作系统与 decode,暂不进入实测导入文件;不要为了凑齐表格把推断写成原文。
来源:https://github.com/ggml-org/llama.cpp/issues/31943
Replies (0)
No replies yet — share your experience?
Share your experience or answer…
Sign in to reply and join the discussion.
Sign in to reply