当前位置:

首页 > 编程开发 > llama.cpp b12463 的视觉位置嵌入修复影响哪些输入?

llama.cpp b12463 的视觉位置嵌入修复影响哪些输入?

llama.cpp b12463 修正 Muse Glimmer 视觉编码器缩放位置嵌入时的坐标顺序,使其与训练一致,解释非方形图像为何更能体现差异。

本文目录

    llama.cpp b12463 修正 Muse Glimmer 的位置嵌入缩放顺序。合并记录指出方形图像不受影响,同一视觉计算图上的 Muse Spark Open 也受益。

    llama.cpp 产品封面

    位置嵌入的坐标顺序改了什么

    llama.cpp b12463 的修复位于 mtmd 的视觉编码器路径。Muse Glimmer 使用一个学习得到的位置嵌入网格,输入图像的布局变化时需要调整该网格。原实现按高度、宽度的顺序调整,修复按训练所用的宽度、高度顺序处理。

    llama.cpp b12463 发行记录

    什么图像更能体现修复

    若网格高度和宽度相同,交换两者后尺寸关系不变,合并说明明确指出方形图像不受影响。长宽不等时,原先顺序与训练时的约定会产生差别,所以非方形图像是验证这一问题的主要输入类型。

    哪些模型走同一条路径

    Muse Spark Open 的视觉部分使用同一计算图,因此也覆盖在这项修复内。修复范围是相关模型的位置嵌入计算,其他视觉模型的实现应按各自路径判断。

    应如何理解构建范围

    b12463 是测试构建。具体变化是让视觉位置网格遵循训练时的坐标顺序,发行说明没有给出通用的图像质量、速度或设备兼容性提升结论。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    llama.cpp b12458的YuE2-3B支持有哪些使用边界
    llama.cpp b12458的YuE2-3B支持有哪些使用边界

    llama.cpp b12458加入YuE2-3B,修正流式生成,并按序列保存采样分数。

    llama.cpp b12441/b12442/b12448/b12449/b12451/b12452/b12453/b12455/b12456 对比?
    llama.cpp b12441/b12442/b12448/b12449/b12451/b12452/b12453/b12455/b12456 对比?

    llama.cpp b12441、b12442、b12448、b12449、b12451、b12452、b12453、b12455、b12456 均为预发布,涉及后端、聊天模板、设备参数、界面与音频,按场景对应各构建。

    llama.cpp b12457 的 OpenCL A7 内核有哪些适用条件?
    llama.cpp b12457 的 OpenCL A7 内核有哪些适用条件?

    llama.cpp b12457 为 OpenCL 的 A7 路径增加 Q4_K 非 MoE 二进制内核,说明后端、量化及模型执行路径的适用范围。

    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?
    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?

    llama.cpp b12435、b12436、b12438预发布构建,分别解释Vulkan并列选择确定性、32位编译与Jinja JSON键排序的适用范围。

    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径
    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径

    llama.cpp b12433避免AMD设备将奇数src0列送入需要偶数列的MMVF路径:满足偶数条件才保留MMVF,其他形状沿用既有回退。对应改动发生在MUL_MAT_ID处理和相关同步判断中,范围限定于代码说明中的类型与token条件。

    llama.cpp b12432测试构建改善了哪些KV缓存管理行为?
    llama.cpp b12432测试构建改善了哪些KV缓存管理行为?

    llama.cpp b12432预发布构建利用位置索引减少KV序列删除扫描;解释官方函数微基准、删除边界测试及生产评估限制。

    llama.cpp b12431代码标签如何判断推理级别是否被模板拒绝
    llama.cpp b12431代码标签如何判断推理级别是否被模板拒绝

    llama.cpp b12431通过保存聊天模板明确拒绝的推理级别,让对应请求以400和支持级别提示返回。它修正的是reasoning_effort错误分类:此前三类兼容端点可能把模板拒绝反映为500,不能据此将所有推理失败都归入同一原因。

    llama.cpp b12430预发布的HIP修复与多平台构建有什么区别?
    llama.cpp b12430预发布的HIP修复与多平台构建有什么区别?

    llama.cpp b12430为预发布构建,修复HIP后端MoE回归;区分GFX906上的两种性能对比基准、dense对照与多平台附件适用边界。

    llama.cpp b12429代码标签如何理解Ripple DFlash2的NoPE转换修正
    llama.cpp b12429代码标签如何理解Ripple DFlash2的NoPE转换修正

    理解llama.cpp b12429代码标签,需要先区分NoPE层索引名单和逐层位置标记。这个标签针对Ripple DFlash2调整conversion/base.py,让转换器按数据表示写入rope_pattern;影响限定在对应转换元数据,不能据此推断所有模型速度或质量提升。

    llama.cpp预发布b12420、b12424、b12426、b12428怎么按模型任务选择构建
    llama.cpp预发布b12420、b12424、b12426、b12428怎么按模型任务选择构建

    llama.cpp预发布b12420、b12424、b12426、b12428分别带来模型与模板层面的变化。文本模型、文本转语音、语音识别和Jinja渲染不是一项能力;按任务对应构建,可以避免把某个新增支持误认为适用于所有模型的通用升级。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。