Thinking Machines Lab วิเคราะห์สาเหตุความไม่แน่นอนในการอนุมานของ LLM และเปิดซอร์สเคอร์เนล batch-invariant
หัวข้อต้นฉบับ:Defeating Nondeterminism in LLM Inference
สรุปโดย AI
Thinking Machines Lab เผยแพร่บล็อกระบุว่าสาเหตุที่แท้จริงของความไม่แน่นอนในการอนุมานของ LLM ไม่ใช่การทำงานพร้อมกันบวกเลขทศนิยม แต่เป็นเพราะเคอร์เนลขาด batch invariance การเปลี่ยนแปลงขนาดแบตช์ที่เกิดจากภาระของเซิร์ฟเวอร์จะเปลี่ยนเอาต์พุตของคำขอแต่ละรายการ
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Thinking Machines Lab:官方博客
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน AI
- 68
作者指出 LLM 推理不确定性的真因是 batch size 变化而非并发浮点问题,并给出可复现内核方案。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Thinking Machines Lab วิเคราะห์สาเหตุความไม่แน่นอนในการอนุมานของ LLM และเปิดซอร์สเคอร์เนล batch-invariant 10 กันยายน 2025 https://new.nat6.net/th/news/cmq75sy1q0009sl5w22bhu5g3/