MIT韩松团队长上下文LLM推理高效框架DuoAttention：单GPU实现330万Token上下文推理

文章预览

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ 计算机视觉研究院 学习群 ｜ 扫码在主页获取加入方式 论文链接：https://arxiv.org/abs/2410.10819 项目主页及代码：https://github.com/mit-han-lab/duo-attention 计算机视觉研究院专栏 Column of Computer Vision Institute 本文第一作者肖光烜是麻省理工学院电子工程与计算机科学系（MIT EECS）的三年级博士生，师从韩松教授，研究方向为深度学习加速，尤其是大型语言模型（LLM）的加速算法设计。他在清华大学计算机科学与技术系获得本科学位。他的研究工作广受关注，GitHub上的项目累计获得超过9000颗星，并对业界产生了重要影响。他的主要贡献包括SmoothQuant和StreamingLLM，这些技术和理念已被广泛应用，集成到NVIDIA TensorRT-LLM、HuggingFace及Intel Neural Compressor等平台中。 本文的指导老师为韩松教授（https: ………………………………