Разработка уже прошла успешные испытания на популярных моделях Llama и Qwen. Применение HARP позволяет вдвое увеличить скорость работы систем, при этом даже в режимах экстремального сжатия уровень ошибок сокращается на 15%. В отличие от многих узкоспециализированных решений, этот алгоритм не требует отказа от привычных инструментов квантования, а дополняет их, встраиваясь в текущие рабочие процессы разработчиков.
Эксперт НТИ Евгений Вишневский отмечает, что такой подход критически важен для российского рынка. Оптимизация имеющихся мощностей дает возможность быстрее масштабировать отечественные ИИ-сервисы и внедрять их в реальные секторы экономики без необходимости экстренной закупки дорогостоящего оборудования. Исходный код HARP и уже оптимизированные нейросети находятся в открытом доступе для всех желающих.
Комментарии (0)
Пока нет комментариев. Будьте первым!