苹果、英伟达强强联手，LLM 推理加速利器 ReDrafter 开源

it之家 12 月 19 日消息，苹果公司昨日（12 月 18 日）发布博文，宣布和英伟达（nvidia）合作，通过开源 recurrent drafter（redrafter）推测解码方法，显著提升了 ai 大语言模型（llm）的推理速度。

苹果公司表示 redrafter 已集成到 nvidia tensorrt-llm 推理加速框架中，在 nvidia gpu 上，每秒生成 tokens 速度最高提升 2.7 倍，有效降低了用户延迟和计算成本。

苹果的机器学习研究人员指出，llm 越来越多地用于驱动生产应用程序，提高推理效率对降低计算成本和用户延迟至关重要。

it之家援引苹果官方博文，redrafter 使用 rnn 草稿模型，结合波束搜索（beam search）与动态树注意力（dynamic tree attention），可以让开源模型每步生成最多 3.5 个 tokens，超越了先前推测性解码技术的性能。

为将 redrafter 应用于生产环境，苹果与 nvidia 展开合作，将其集成到 nvidia tensorrt-llm 框架中。

英伟达为此添加了新的运算符并公开了现有运算符，增强了 tensorrt-llm 对复杂模型和解码方法的适应性。

基准测试结果显示，在 nvidia gpu 上使用集成了 redrafter 的 tensorrt-llm 框架，数百亿参数规模的生产模型的解码速度提升了 2.7 倍。这不仅降低了用户体验延迟，还减少了 gpu 使用数量和功耗。

it之家附上参考地址