报告主题：EAGLE&EAGLE-2: 无损大模型推理加速算法

报告日期：7月9日（周二）14:30-15:30
报告要点：
本报告将介绍无损大语言模型加速算法EAGLE及其后续工作EAGLE-2（《EAGLE: Speculative Sampling Requires Rethinking Feature Uncertainty》和《EAGLE-2: Faster Inference of Language Models with Dynamic Draft Trees》）。EAGLE在更有规律的特征层而不是token层进行自回归，同时引入采样结果以消除不确定性。得益于这两点改进，EAGLE的草稿模型兼顾轻量和准确，将大语言模型的推理速度提升2.1x-3.8x，并保证输出的分布不改变。EAGLE-2引入动态草稿树，利用草稿模型的置信度近似草稿token的接受率，据此动态地调整草稿树的结构，提高了平均接受长度。EAGLE-2在保证不改变输出分布的基础上将EAGLE-1再次提升了20%-40%，加速比达到2.5x-5.0x。EAGLE和EAGLE-2也在工业界得到应用，集成至intel/intel-extension-for-transformers等。
报告嘉宾：
李堉晖，北京大学智能学院硕士研究生，在张弘扬老师和张超老师的指导下进行研究工作，研究方向为大模型的加速和对齐。
扫码报名

近期热门报告