llama.cpp, CUDA용 FWHT로 추론 속도 개선
CUDA: add fast walsh-hadamard transform by am17an · Pull Request #23615 · ggml-org/llama.cpp
·2026.05.26 02:22
llama.cpp에 CUDA 기반 FWHT가 추가되어 KV-cache 양자화 시 추론 속도가 향상되었습니다.
llama.cpp에 **Fast Walsh-Hadamard Transform(FWHT)**을 CUDA로 구현한 업데이트가 제안되었습니다. 이 기능은 KV-cache 양자화를 사용할 때의 연산 효율을 높여줍니다.
RTX 5090 환경에서 테스트한 결과, 다음과 같은 성능 향상을 보였습니다:
- Prefill(pp): 약 1~2% 성능 향상
- Token Generation(tg): 약 7~9% 성능 향상
이 최적화는 특히 -ctk q8_0 -ctv q8_0와 같이 KV-cache를 양자화하여 사용하는 설정에서 효과적입니다.
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.