变压器预填充在令牌之间重用权重，以矩阵乘法和激活数据移动为主；单令牌解码的重用有限，以权重和KV缓存读取为主。我们展示了FUTRANSFORMER ，这是一种用于NVIDIA Hopper GPU的Llama风格变压器模块的CUDA实现。它将CODA的GEMM-plus-epilogue方法应用于推理，添加了直接的KV缓存PLAC

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.23796v1)获取最准确的信息。

---
🔗 **原文链接**: [FuTransformer: FP8 prefill and INT4 decode for Llama-style i](https://arxiv.org/abs/2610.23796v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Wei Wang

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-19 13:02