arXiv · cs.AI· Wei Wang·· 10 天前精选AI 评分54
FUTRANSFORMER 论文：在 Hopper 上用 FP8 prefill 与 INT4 decode 加速 Llama 风格推理
FuTransformer: FP8 prefill and INT4 decode for Llama-style inference on Hopper
来源与原文
arXiv · cs.AI
作者：Wei Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23796v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Wei Wang 在 arXiv 发布 FUTRANSFORMER，一个面向 NVIDIA Hopper GPU 的 Llama 风格 Transformer 推理 CUDA 实现，prefill 用 FP8、decode 用 INT4 权重和 INT4 KV-cache，并采用块对角 Hadamard 变换降低缓存量化误差。
推荐理由
论文给出 Llama 推理在 H100 上 FP8 prefill 与 INT4 decode 的具体实现和量化精度代价，数字可核对、方法可参考。
来源：arXiv · cs.AI · arxiv.org