Reduce KV memory for local-attention layers
メンテナーはふだん 1 日以内に返信
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 35/100
- issue の種類
- リファクタリング
- 明瞭さ
- おおむね明確
- 活発さ
- 活発
- 技術スタック
- cpp
調査の方向性
まず、runtime-aware cache constructor、デフォルトの Flash attention path、および issue で説明されている tiled attention backends を特定します。local layer と global layer が BF16 K/V buffers をどのように割り当てて読み取るかを追跡し、その後、resizing、snapshots、cache reuse、shared-KV layers、および backend selection が履歴と既存の attention 動作を維持することを確認します。
索引モデルが issue の本文から書いたものです。
説明
Problem
On dev (1658f88), the default flash attention path reserves full-context BF16 KV/K/V storage for local and global layers alike. Local layers only attend to their sliding window, so retaining capacity for the entire context wastes memory as the configured context grows.
The runtime-aware cache constructor also allocates compact tiled buffers that the default Flash path does not use. The tiled attention backends already have compact local rings; the default Flash path still reads the legacy transposed K/V buffers.
Fix direction
- Allocate separate BF16 buffers per owning layer for the default Flash path.
- Size local rings for the attention window plus the full prefill batch and trailing SIMD padding, capped by the configured context. The extra rows prevent batch writes and padding from overwriting history needed by early queries.
- Keep global layers at the configured context capacity, with the logical context limit separate from physical alignment padding.
- Reuse the source layer's buffers for shared-KV layers and retain the largest window required by their consumers.
- Preserve live history when runtime batches require larger rings, keep snapshots independent, and clear buffers safely when reusing a cache.
- Allocate only the buffers used by the selected attention backend and preserve the existing BF16 attention arithmetic and model-specific cache layouts.
- 主要言語
- C++
- スター
- 7k
- フォーク
- 660
- 平均マージ
- 1日 15時間
- マージ済み PR（30日）
- 19
環境構築
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
google/gemma.cpp のほかの issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 25/100
google/gemma.cpp#1048 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
google/gemma.cpp#1036 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 4/5 3〜5日 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
Add experimental W8A8 MatMul with optional QuaRot-style rotation対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープン
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
google/gemma.cpp#1002 · コメント 8 件 ·
メンテナーはふだん 1 日以内に返信
google/gemma.cpp の issue をすべて見る
似ている issue
-
agent:WSL bug linux LOW ui
難易度 1/5 1時間未満 初心者へのやさしさ 78/100
メンテナーはふだん 1 日以内に返信
-
Copter: PosHold brake-entry threshold became 16 deg instead of 0.16 deg after the radians conversionオープン
難易度 1/5 1時間未満 初心者へのやさしさ 78/100
ArduPilot/ardupilot#34617 · コメント 1 件 · リアクション 1 件 ·
メンテナーはふだん 1 日以内に返信
-
bug needs-triage
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
microsoft/microsoft-ui-xaml#12158 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
メンテナーはふだん 4 日以内に返信
-
documentation
難易度 1/5 1時間未満 初心者へのやさしさ 65/100
SynthstromAudible/DelugeFirmware#4969 ·
メンテナーはふだん 1 日以内に返信