Liger-Kernel v0.5.10 版本发布:Qwen3 MOE支持与Sparsemax内核优化
Liger-Kernel 是一个高性能的深度学习内核库,专注于为大规模语言模型提供优化的计算核心。该项目由LinkedIn开源,旨在为研究人员和工程师提供高效的底层计算实现,特别是在自然语言处理领域。
核心更新内容
1. Qwen3 MOE模型支持
本次更新最重要的特性之一是增加了对Qwen3 MOE(混合专家)模型的支持。MOE架构是一种高效的模型设计范式,它通过动态路由机制将输入分配给不同的专家子网络,在保持模型容量的同时显著降低计算开销。
技术团队特别针对Qwen3 MOE模型进行了优化,包括:
- 实现了高效的专家路由计算
- 优化了专家网络的并行计算模式
- 修复了与Qwen3 MOE相关的收敛性问题
2. Sparsemax内核实现
新版本引入了Sparsemax激活函数的高效实现。Sparsemax是Softmax的一种替代方案,它能够产生更加稀疏的概率分布,在某些任务中表现出更好的性能。
技术亮点包括:
- 完全重写的Triton内核实现
- 支持高效的大规模并行计算
- 提供了详细的文档说明和使用示例
3. 内存与性能优化
本次更新包含多项内存和性能优化措施:
- GRPO损失函数内核完全用Triton重写,减少了46GB内存使用
- 改进了元素级DyT(动态张量)实现,性能优于原始LigerDyT
- 修复了zip操作相关的内存问题
4. 训练相关改进
针对模型训练流程的改进:
- 修正了DPO(直接偏好优化)中average_log_prob的默认值设置
- 使FLCE(焦点损失交叉熵)与FSDP(完全分片数据并行)和PEFT(参数高效微调)兼容
- 修复了使用LoRA时模块修补不正确的问题
5. 测试与稳定性增强
为提高系统稳定性所做的改进:
- 增加了测试超时时间至45分钟
- 修复了模态测试相关问题
- 改进了XPU(加速处理器)在setup.py中的发现机制
技术细节深入
Sparsemax的创新实现
Sparsemax是一种产生稀疏概率分布的激活函数,其数学定义为将输入向量投影到概率单纯形上,同时最小化与原始向量的欧几里得距离。与Softmax相比,Sparsemax能够产生真正的零概率输出,这使得它在某些应用中更具优势。
Liger-Kernel的Sparsemax实现采用了高效的并行计算策略,特别是在处理大规模张量时表现优异。实现中考虑了数值稳定性问题,并针对不同硬件平台进行了优化。
Qwen3 MOE的技术挑战
支持Qwen3 MOE模型面临的主要技术挑战包括:
- 专家路由的动态性:需要高效实现门控机制
- 内存管理:专家网络可能占用大量内存
- 计算效率:需要平衡专家并行和数据并行
Liger-Kernel通过精心设计的计算图和内存管理策略解决了这些问题,使得Qwen3 MOE能够在分布式环境中高效运行。
应用建议
对于考虑使用新版本Liger-Kernel的用户,建议关注以下几点:
- 如果使用MOE架构,特别是Qwen3 MOE模型,建议全面测试新版本的支持情况
- 对于需要稀疏输出的任务,可以尝试使用新的Sparsemax激活函数
- 内存敏感型应用可以从GRPO损失函数的优化中获益
- 使用LoRA等参数高效微调技术的用户应注意相关修复
总结
Liger-Kernel v0.5.10版本带来了多项重要更新,特别是在支持新兴模型架构(如Qwen3 MOE)和优化核心计算(如Sparsemax)方面取得了显著进展。这些改进使得该内核库在保持高性能的同时,能够支持更广泛的模型架构和训练技术,为大规模语言模型的研究和应用提供了更加强大的底层支持。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









