What's New in Inference Engineering — Philip Kiely, Baseten
Philip Kiely från Baseten beskriver hur inference engineering — processen att köra färdiga AI-modeller — utvecklas olika vägar för lokala datorer versus stora datacenter.
En teknik som TurboQuant, som minskar minneskravet för modeller, blev viral i mars, men Kiely visar att den är långsam för datacenter även om den fungerar bra hemma. Han presenterar tre huvudsakliga förbättringar: kvantisering (att göra modeller mindre genom att använda färre bitar per siffra), cacheoptimering (att lagra och komprimera beräkningsdata smart), och spekulation (att små hjälpmodeller gissar nästa tokens snabbt, vilket datacenter nu tränar speciellt för). Den största trenden är att dessa tekniker tränas upp som en egen process snarare än att appliceras efteråt.
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