arXiv · cs.AI· Wei Wang·· 5 小时前
FuTransformer：面向Hopper上Llama风格推理的FP8预填充与INT4解码
FuTransformer: FP8 prefill and INT4 decode for Llama-style inference on Hopper
arXiv:2610.23796v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wei Wang
研究任务与主要进展
研究FuTransformer提出面向NVIDIA Hopper GPU的CUDA Llama风格Transformer推理实现，以FP8执行预填充、以INT4执行解码，并针对KV-cache与权重量化进行优化。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org