Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Speed up inference performance for attention and ssm layers with caching

Đang mở
  • Có gì không ổn?
#279 0 bình luận 1 reaction 1 người được giao Xem trên GitHub

@bigximik đang làm issue này rồi.

Từ ngày 30/6/2025.

Đánh giá

Issue này chưa được đánh giá.

Mô tả

enhancement need update

🎯 Goal (What & Why)

Speed up inference performance for attention layers with KV caching

Implemented based on functionality in Hugging Face Transformers. Needs to support data, model, and sequence parallelism.

🚀 Execution Plan

Step 1

support range of positions starting from > 0 in fast-llm inference which is needed for HF generate with cache as they send only the last token to model forward

Step 2: W

implement KV cache for HF generte

📌 Acceptance Criteria (Must-Haves for Completion)

  • The feature must be functional and tested.
  • The implementation must be documented in practical terms.
  • The PR must include a performance/impact summary.
  • No refactors unless directly necessary for feature completion.

🛠️ Project Management

  • Assign the project to the Fast-LLM project.
  • Set the Estimate field (in days) in the GitHub project.
  • Use the Size field to categorize the PR size (Small/Medium/Large).
  • Assign an owner when opening the issue.
Ngôn ngữ chính
Python
Star
337
Fork
52
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của ServiceNow/Fast-LLM

Tất cả issue của ServiceNow/Fast-LLM

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.