Co-authored-by: liuzichang01 <liuzichang01@baidu.com>
This commit is contained in:
freeliuzc
2025-07-01 18:02:44 +08:00
committed by GitHub
parent 164b83ab0b
commit 2b7f74d427

View File

@@ -108,7 +108,7 @@ python -m fastdeploy.entrypoints.openai.api_server \
```
## 🧠 使用 Ngram 解码
该算法通过 n-gram 窗口从 prompt 和已生成的 Token 中进行匹配生成草稿 Token适合输入和输出有很大 overlap 的场景如代码编辑、文档查询等查看论文地址
该算法通过 n-gram 窗口从 prompt 和已生成的 Token 中进行匹配生成草稿 Token适合输入和输出有很大 overlap 的场景如代码续写、文档查询等。
> 使用 4×H100量化方式选择 WINT4
> 配置文件benchmarks/yaml/eb45t-32k-wint4-mtp-h100-tp4.yaml
```
@@ -116,5 +116,5 @@ python -m fastdeploy.entrypoints.openai.api_server \
--model ${path_to_main_model} \
--tensor-parallel-size 4 \
--config ${path_to_FastDeploy}benchmarks/yaml/eb45t-32k-wint4-mtp-h100-tp4.yaml \
--speculative-config '{"method": "mtp", "num_speculative_tokens": 1, "model": "${mtp_model_path}"}'
--speculative-config '{"method": "ngram", "num_speculative_tokens": 1, "model": "${mtp_model_path}"}'
```