SignalStack
খবরে ফিরে যান

llama.cpp দিয়ে NVIDIA Dory 4B চালানোর উপায়: লুপ-বাই-লুপ গাইড

মূল প্রতিবেদন পড়ুন

এআই সারাংশ

NVIDIA Dory 4B মডেলটি মাঝের লেয়ারগুলো পুনরাবৃত্তি করে চারটি ভিন্ন কম্পিউট বাজেটে একই মডেল চালাতে সক্ষম করে, যা রিট্রেনিং ছাড়াই নমনীয় পারফরম্যান্স নিশ্চিত করে।

এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।

উৎসের অংশবিশেষ

এটি ফিডে পাওয়া অংশবিশেষ। এটি সংক্ষিপ্ত বা প্রকাশকের মূল ভাষায় হতে পারে।

In this tutorial, we work with Dory 1.0 4B, a small reasoning model from NVIDIA’s Nemotron Labs whose middle layers form a shared block that can be applied once, twice, three, or four times for every token. Each extra pass, or loop, spends more computation per token without adding a single parameter, so one checkpoint can run at four different compute budgets with no retraining. We build the llama.cpp branch that NVIDIA’s model card pins, download the 3.7 GB GGUF, and read the architecture straight from the file to predict what each loop should cost in parameters and cache memory. We then check those predictions against the running server, measure decode speed at every loop count, test whether the cheaper last-loop cache changes the model’s predictions, and run a paired GSM8K evaluation to see how accuracy, answer length, and time per solved question move as the loops increase. Copy CodeCopiedUse a different Browserimport os import re import sys import json import time import math import random import signal import shutil import hashlib import platform import statistics import traceback import subprocess import collections import urllib.request from pathlib import Path RESULTS = {} # step -> one-line result, for the summary table CLAIMS = [] # (step, claim, held) CURRENT = ["1"] def banner(title): print("\n" + "=" * 78) print(title) print("=" * 78) def section(name): def wrap(fn): def run(*a, **kw): CURRENT[0] = name.split(".")[0] banner(name) t0 = time.time() try: out = fn(*a, **kw) RESULTS[name] = out if isinstance(out, str) else "ok" return out except Exception as e: RESULTS[name] = f"SKIPPED / FAILED -> {type(e).__name__}: {e}" print(f"\n[!] {name} did not complete: {type(e).__name__}: {e}") traceback.print_exc(limit=3) return None

অগ্রাধিকার সম্পর্কে

উৎসের বিশ্বাসযোগ্যতা, শব্দ ও সত্তার ভিত্তিতে ১–১২ স্কেলে স্বয়ংক্রিয়ভাবে সাজানোর সহায়ক। উচ্চ: ৯–১২; মাঝারি: ৬–৮; নিম্ন: ১–৫। এটি জরুরিতা বা খবরের সত্যতা নির্ধারণ করে না এবং সম্পাদকীয় অনুমোদন নয়।

এই বিষয়ের আরও খবর

MarkTechPost

MoE রাউটিং কৌশল ব্যাখ্যা: টপ-কে, এক্সপার্ট-চয়েস, সিগময়েড গেটিং এবং ডাইনামিক রাউটিং (২০২৬ গাইড)

MoE রাউটিং কৌশল নির্ধারণ করে কোন বিশেষজ্ঞরা প্রতিটি টোকেন প্রক্রিয়া করবেন, যা সরাসরি প্রধান খোলা মডেলগুলির মান, লোড ব্যালেন্স এবং সার্ভিং খরচকে প্রভাবিত করে।

উচ্চ অগ্রাধিকার 10/12
MarkTechPost

নুস রিসার্চের আরেট-২৭বি কিউয়েন ৩.৮-২৭বি-র প্রচারণা ২২% থেকে ০.৯% পর্যন্ত কমাচ্ছে

নুস রিসার্চের আরেট-২৭বি কিউয়েন মডেলগুলি থেকে চীনা রাষ্ট্র-সমর্থিত পক্ষপাতিত্ব দূর করে, প্রচারণামুক্ত উচ্চ-পারফরম্যান্স ওপেন-ওয়েট এআই ডেভেলপারদের কাছে উপলব্ধ করে।

উচ্চ অগ্রাধিকার 10/12
MarkTechPost

Buoyant Releases Kinference: Kubernetes এবং vLLM-এর জন্য একটি ওপেন সোর্স ইনফারেন্স কন্ট্রোল প্লেন

Kinference Kubernetes-এ AI মডেল সার্ভিং পরিচালনা সহজ করে, কারণ এটি vLLM ওয়ারকারদের কাছে অনুরোধগুলিকে বুদ্ধিমানভাবে রাউটিং করে, যা একাধিক মডেল ডিপ্লয় করা দলের জন্য পারফরম্যান্স এবং রিসোর্স ব্যবহার অপ্টিমাইজ করে।

উচ্চ অগ্রাধিকার 12/12