#inference 每日趋势报告

SpargeAttention：一种免训练的稀疏注意力机制，可加速任何模型推理

RTP-LLM：阿里巴巴面向多样化应用的高性能大语言模型推理引擎。

量化注意力机制相比FlashAttention和xformers实现了2-5倍和3-11倍的速度提升，且在语言、图像和视频模型上保持端到端指标无损。