Your CPU has less than 4.2ms to keep up at 240FPS, and that's harder than it sounds

I changed one llama.cpp flag, and my 8GB laptop GPU now runs a 35B model faster than I can read

Một lập trình viên đã tìm ra cách chạy model Llama 35B trên laptop GPU chỉ 8GB VRAM với tốc độ đáng kinh ngạc. Nguyên nhân kỹ thuật nằm ở việc chỉnh sửa cờ n_gpu_layers trong llama.cpp, cho phép tận dụng hiệu quả bộ nhớ VRAM thay vì để nó trở thành điểm nghẽn. Hệ quả là model 35B parameters chạy nhanh đến mức người dùng không kịp theo dõi, vượt xa các kỳ vọng ban đầu về giới hạn phần cứng. Điều đáng học hỏi là đôi khi vấn đề không nằm ở cấu hình phần cứng mà ở cách tối ưu hóa phần mềm để khai thác tiềm năng thực sự của hardware.

Bài viết tiết lộ cách tối ưu hóa một cờ trong llama.cpp để chạy mô hình 35B trên GPU 8GB nhanh hơn tốc độ đọc của bạn.

How to Loop Through a List in C#: Every Way, Benchmarked

How to loop through and iterate a List<T> in C# with foreach, for, ForEach, Index(), and spans, plus break, continue, safe removal, and benchmarks.

Runtime async benchmarks: .NET 10 vs .NET 11

The same workloads compiled three ways. Runtime async collapses a 20 layer synchronous chain from 1512 bytes to 72, and shallow suspensions go the wrong way.

Why Temperature 0 Isn't Deterministic in LLM Inference

Trong quá trình inference của LLM, temperature 0 không hoàn toàn quyết định như nhiều người vẫn nghĩ. Nguyên nhân kỹ thuật nằm ở cách thuật toán softmax hoạt động khi temperature bằng 0, làm cho xác suất của từ với highest score tiến tới 1 nhưng không bao giờ đạt hoàn toàn 1 trong thực tế. Điều này dẫn đến kết quả có vẻ ngẫu nhiên dù xác suất đã được chuẩn hóa, gây ra sự không chắc chắn nhỏ trong kết quả output. Điều đáng học là việc hiểu behavior của temperature trong LLM không đơn giản như tưởng tượng, đòi hỏi hiểu biết sâu về cách hoạt động của softmax và quy trình sampling text generation.

Bạn nên đọc bài này để hiểu cách giải quyết một vấn đề cơ bản nhưng thường bị nhầm lẫn trong việc phân tích và tối ưu hóa mô hình ngôn ngữ lớn, giúp tránh sai lầm trong việc thiết kế và triển khai hệ thống AI.

Introducing the (blazing fast!) native TCP client for .NET

ClickHouse vừa giới thiệu native TCP client cho .NET giúp tăng tốc độ đọc và insert dữ liệu với số lần phân bổ bộ nhớ ít hơn. API cột (columnar APIs) và hỗ trợ POCO giúp xử lý dữ liệu hiệu quả hơn so với HTTP truyền thống. Client mới này giảm đáng kể chi phí CPU và bộ nhớ nhờ loại bỏ các lớp trung gian không cần thiết. Nếu bạn đang làm việc với ClickHouse trên .NET, việc chuyển sang native TCP client sẽ mang lại hiệu suất vượt trội, đặc biệt với các operation đọc/ghi hàng loạt.

Client TCP native của ClickHouse cho .NET mang lại hiệu suất vượt trội với API cột và hỗ trợ POCO giúp tối ưu hóa hiệu năng ứng dụng của bạn.

Omarchy Gets The Web Browser Launching Faster By Avoiding XDG Overhead

Omarchy 4.0.5, bản phân phối Arch Linux dựa trên Hyprland, tăng tốc khởi trình trình duyệt web bằng cách thay thế lời gọi xdg-settings chậm bằng công cụ tùy chỉnh. Việc sử dụng omarchy-cmd-default-browser giúp xác định trình duyệt mặc định trong khoảng 10ms, nhanh hơn đáng kể so với 72ms của xdg-settings do chuỗi script POSIX shell phức tạp. Công cụ này ưu tiên kiểm tra cấu hình Hyprland trước, sau đó mới fallback đến xdg-settings và xdg-mime khi chưa được thiết lập. Tối ưu hóa riêng này cũng giúp giảm thời gian khởi động thanh trạng thái của Omarchy từ khoảng 20 giây xuống còn 15 giây trên hệ thống 6 màn hình với nhiều widget.

Omarchy giúp khởi trình trình duyệt web nhanh hơn đáng kể nhờ loại bỏ lớp xdg-settings chậm và thay bằng công cụ trợ giúp tùy chỉnh.

How Booking.com cut Node.js costs by 38% with Watt

Booking.com đã tiết giảm chi phí compute cho Node.js tới 38% khi chuyển từ pm2 sang Watt. Công nghệ Watt giúp giảm số lượng pod cần thiết, cắt giảm 20% lượng memory sử dụng, đồng thời giảm được latency. Điều đáng chú ý là tất cả các thay đổi này được thực hiện mà không cần thay đổi bất kỳ dòng service code nào. Giải pháp Watt hoạt động bằng cách tối ưu hóa hiệu suất runtime của Node.js một cách thông minh.

Bài viết cho thấy cách giảm chi phí Node.js hiệu quả mà không cần thay đổi code dịch vụ.

EP231: AI Terms You Need to Know

What else should be on the list?