Turbo-GMM发布单遍GPU加速GMM内核

2026年11月3日，Momin Abbas等人在arXiv发布论文，提出Turbo-GMM，一种受FlashAttention启发的高斯混合模型单遍GPU加速内核。该方案通过单扫描融合EM内核，在一次遍历组件维度时同步完成责任归一化与充分统计量累加，避免了二次计算，中位数实现2.15倍加速。测试表明，在NVIDIA A100 GPU上，Turbo-GMM比PyTorch实现快9.9倍。但该方案受寄存器压力、占用率及组件与特征维度限制，主要适用于大数据集且组件数量相对较小的场景。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。