पूर्ण मैट्रिक्स के बजाय सक्रिय वेट: CPU पर स्पाइक मॉडल की INT8 डिकोडिंग
लेख बाइनरी स्पाइक गेटिंग वाले भाषा मॉडल के C++ कार्यान्वयन का वर्णन करता है: विरल प्रोजेक्शनों को INT8 में संसाधित किया जाता है, जबकि गणनाओं में केवल सक्रिय वज़नों को ध्यान में रखा जाता है। एकल-थ्रेड परीक्षण में शुरुआती INT8 संस्करण ने FP32 के 9,82 की तुलना में 23,31 टोकन/सेकंड की गति हासिल की और वज़नों के लिए मेमोरी को 3355,2 से घटाकर 1087,4 MiB कर दिया; घने प्रोजेक्शनों को INT4 में बदलने से डिकोडिंग थ्रूपुट कम हो गया।

स्पाइक्स वेट्स की प्रोसेसिंग को कैसे बदलते हैं
लेख «Spike-Aware INT8 Execution for Spiking Language Models on Commodity CPUs» में Ting Liu स्पाइकिंग लैंग्वेज मॉडल को CPU पर डिकोड करने का वर्णन करते हैं।
- बाइनरी स्पाइकिंग ऐक्टिवेशन से केवल सक्रिय वेट कॉलम पढ़े जा सकते हैं।
- गुणा की जगह वेट का योग लिया जाता है।

इस तरीके का व्यावहारिक लाभ यह है कि उन कॉलम को प्रोसेस नहीं करना पड़ता जो सक्रिय नहीं हुए। लाभ ऐक्टिवेशन की स्पार्सिटी पर निर्भर करता है, केवल वेट फ़ॉर्मैट पर नहीं।
INT8 पाथ कैसे काम करता है
C++ इम्प्लीमेंटेशन को 874M पैरामीटर वाले स्पाइक-गेटेड लैंग्वेज मॉडल पर जाँचा गया। इसमें स्पार्स और डेंस प्रोजेक्शन के लिए अलग-अलग मोड इस्तेमाल किए जाते हैं।
- स्पार्स प्रोजेक्शन में वेट INT8 के column-major फ़ॉर्मैट में स्टोर किए जाते हैं।
- एक्यूमुलेशन पूर्णांकों में किया जाता है, और स्केल हर आउटपुट चैनल के लिए केवल एक बार लागू होता है।
- डेंस प्रोजेक्शन में row-major ऐक्सेस और ऐक्टिवेशन FP32 में बनाए रखे जाते हैं।
यह एक मिश्रित योजना है, मॉडल के सभी ऑपरेशनों को INT8 में बदलना नहीं। चयन का मानदंड यह है कि स्पार्स INT8 पाथ के लिए डेंस प्रोजेक्शन में FP32 बनाए रखना स्वीकार्य हो।
गति और स्टोरेज के कौन-से आँकड़े दिए गए हैं
प्रारंभिक चेकपॉइंट की तुलना एक थ्रेड पर की गई। इस परीक्षण में INT8 ने डिकोडिंग की अधिक थ्रूपुट और वेट स्टोरेज का कम आकार दिखाया।
| प्रारंभिक चेकपॉइंट, एक थ्रेड | डिकोडिंग की गति | वेट स्टोरेज |
|---|---|---|
| FP32 | 9.82 tokens/s | 3355.2 MiB |
| INT8 | 23.31 tokens/s | 1087.4 MiB |
अंतिम चेकपॉइंट के लिए AMD Ryzen 7 5800X पर अलग परिणाम दिए गए हैं। इसकी परिस्थितियाँ प्रारंभिक चेकपॉइंट की तुलना से अलग हैं।
| अंतिम चेकपॉइंट का INT8 मोड | आँकड़ा |
|---|---|
| डिकोडिंग, एक थ्रेड | 22.63 tokens/s |
| डिकोडिंग, चार थ्रेड | 47.90 tokens/s |
| 512 टोकन की सीक्वेंस का प्रीफ़िल, आठ थ्रेड | 94.68 tokens/s |
इन आँकड़ों को सीधे एक ही तुलना तालिका में नहीं रखना चाहिए: ये अलग-अलग चेकपॉइंट और मोड से जुड़े हैं। थ्रूपुट का आकलन करते समय चेकपॉइंट का संस्करण और थ्रेड की संख्या, दोनों महत्वपूर्ण हैं।
INT4 वाला विकल्प क्या बदलता है
डेंस प्रोजेक्शन के लिए INT4 विकल्प स्टोरेज का आकार और 17.4% घटाता है। हालांकि, डिकोडिंग की थ्रूपुट 46.6% कम हो जाती है।
लेख के संशोधित संस्करण में शुद्ध INT4 के अमान्य परिणाम वापस ले लिए गए हैं। इसलिए बताया गया समझौता डेंस प्रोजेक्शन में INT4 से संबंधित है, पूरी तरह INT4 मॉडल से नहीं।
चयन का मानदंड यह है कि डिकोडिंग की गति से अधिक प्राथमिकता स्टोरेज को दी जाए। शुद्ध INT4 के परिणामों को प्रदर्शन के प्रमाण के रूप में इस्तेमाल नहीं किया जा सकता।
ऊर्जा खपत के बारे में क्या जानकारी है
ARM पर आउटपुट हेड के एक अलग अध्ययन में, उम्मीदवारों की जाँच के दो कॉन्फ़िगरेशन के लिए डिकोडिंग की सीमित अवधि वाली विंडो पर ऊर्जा के अधिक आँकड़े दर्ज किए गए।
लेख के संशोधित संस्करण में संख्यात्मक वैलिडेशन और ARM पर wall-power के आधार पर ऊर्जा खपत का अध्ययन भी जोड़ा गया है। CPU गति परीक्षणों के डेटा से ऊर्जा बचत का निष्कर्ष निकालना पर्याप्त नहीं है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
बिना फ़ाइन-ट्यूनिंग के स्रोतों के SQL व्यू के ज़रिए LLM के भ्रमों की जाँच
यह काम जाँचता है कि क्या LLM मतिभ्रम का पता लगाने के लिए बिना पर्यवेक्षण के स्रोत से जोड़ने हेतु एक बुनियादी प्रतीकात्मक कौशल—स्रोत दस्तावेज़ों के आधार पर SQL डेटाबेस बनाना—का उपयोग कर सकता है। RAGTruth और DiaHalu पर यह न्यूरो-सिम्बॉलिक पाइपलाइन सीधे भविष्यवाणी करने से अधिक सटीक साबित होती है और अत्याधुनिक तरीकों के बराबर प्रदर्शन करती है, जबकि इसके लिए डोमेन-विशिष्ट फ़ाइन-ट्यूनिंग की आवश्यकता नहीं होती।
9 नवम्बर 2026
MathAdv: मशीन-निर्मित प्रमाणों की अंतिम सटीकता के पीछे क्या छिपा है?
गणित के 13 स्नातक और स्नातकोत्तर विषयों के कार्यों का यह नैदानिक समूह Lean 4 में स्वचालित प्रमेय-प्रमाणन प्रणालियों का मूल्यांकन केवल अंतिम परिणाम के आधार पर नहीं, बल्कि विषय पर उनकी पकड़, अनौपचारिक तर्क की गुणवत्ता और शर्तों को नए शब्दों में प्रस्तुत किए जाने पर उनकी मजबूती के आधार पर भी करता है। घटक-वार विश्लेषण से पता चलता है कि किसी समस्या को औपचारिक रूप में बदलना अब भी सबसे बड़ी बाधा है, और सफलता गणित के क्षेत्र तथा समस्या को प्रस्तुत करने के तरीके पर बहुत अधिक निर्भर करती है।
9 नवम्बर 2026
AffordanceWAM: दृश्य पूर्वानुमान और मैनिपुलेटर नियंत्रण के बीच मध्यस्थ के रूप में अफ़ॉर्डेंस
यह कार्य एक जनरेटिव मॉडल का वर्णन करता है, जो मानव वीडियो का उपयोग करके बिना क्रिया एनोटेशन और रीटार्गेटिंग के अंतःक्रियाओं की विविधता बढ़ाते हुए, भविष्य के RGB अवलोकनों, स्केलर फ़ील्ड्स और अफ़ॉर्डेंस हीटमैप्स तथा रोबोट के सतत कमांड्स का एक साथ पूर्वानुमान लगाता है। RoboCasa, CALVIN ABC→D और वास्तविक दुनिया के कार्यों पर, यह दृष्टिकोण केवल-RGB और केवल-रोबोट डेटा वाले बेसलाइन की तुलना में लगातार बेहतर प्रदर्शन करता है।
9 नवम्बर 2026