Weight Folding, CUDA Streams, and the Bug That Made My Model Speak Backwards — Filip Makraduli
Filip Makraduli presenterar FlashNorm, en optimering som snabbar upp RMS norm-lagret i transformermodeller med 33–35 procent.
Tricket är att vika normens vikt in i projektionsvikterna innan körning, skjuta upp divisionen så att GPU:ns olika enheter kan arbeta parallellt, och ta bort överflödig normalisering i nyare arkitekturer. När han implementerade detta i CUDA-kod upptäckte han en subtil bugg: modellen började repetera gamla utdata med en steg förskjutning. Problemet var en race condition mellan två parallella GPU-strömmar — den ena hade inte avslutats innan den andra läste från bufferten. Lösningen var att explicit markera slutet på varje ström och göra divisionssteget vänta på båda innan det fortsatte.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Lumaril, which develops AI software for optimizing industrial production by connecting to existing control systems, raised a $66M Series A at a $400M valuation
Techmeme för 2 tim sedan
DeepSeek open sources Super-Agent as a research prototype, a proactive coding agent it says can monitor group chats for coding issues and suggest solutions
Techmeme för 2 tim sedan
Insurance software maker Guidewire agrees to acquire Hyperexponential, which makes AI-powered insurance underwriting and pricing software, for $1.7B in cash
Techmeme för 2 tim sedan
One word for AI agents in 2027
Nate Herk för 6 tim sedan