Heim
Google DeepMind stellt das STATIC-Framework vor, mit dem sich die Abrufgeschwindigkeit bei generativen Suchvorgängen mit großen Sprachmodellen (LLM) um das 948-Fache steigern lässt
In modernen industriellen Empfehlungssystemen verdrängt das auf großen Sprachmodellen (LLM) basierende Generative Retrieval (GR) zunehmend die herkömmliche, auf Embeddings basierende Suche. In der Praxis stößt dieser Ansatz jedoch auf ein entscheidendes Problem: Das Modell generiert häufig ungültige Produkt-IDs oder Ergebnisse, die gegen Bestandsbeschränkungen verstoßen, was zu unsinnigen Empfehlungen führt.
Um dieses Problem zu lösen, haben Forscher von Google DeepMind und YouTube gemeinsam ein neues Framework namens STATIC (Sparse Transition Matrix Accelerated Trie Index for Constrained Decoding) vorgestellt. Diese Technik nutzt innovative mathematische Methoden, um die bedingte Dekodierung in LLMs um das beeindruckende 948-Fache zu beschleunigen.

Wichtige technologische Durchbrüche:
„Baum“ in „Matrix“ umwandeln: Die herkömmliche Überprüfung von Einschränkungen stützt sich auf Präfixbäume (Trie), die auf Hardware wie GPUs und TPUs ineffizient arbeiten. STATIC wandelt den komplexen Baum in eine statische komprimierte Sparse-Row-Matrix (CSR) um und verwandelt die Überprüfung so in eine vektorisierte Operation, die von der Hardware effizient verarbeitet werden kann.
Außergewöhnliche Reaktionsgeschwindigkeit: In Tests mit einem Modell mit 3 Milliarden Parametern erreicht STATIC eine Einzelschritt-Latenz von nur 0,033 Millisekunden. Das ist fast 1 .000-mal schneller als herkömmliches CPU-basiertes Abrufen und über 40-mal schneller als bestehende hardwarebeschleunigte Lösungen.
Erfolgreicher Test bei YouTube: STATIC wurde im Videoempfehlungssystem von YouTube eingesetzt, um sicherzustellen, dass die Empfehlungen geschäftliche Vorgaben erfüllen, wie beispielsweise die Aktualität der Videos innerhalb der letzten sieben Tage. Tests ergaben einen Anstieg des Wiedergabevolumens um 5,1 % bei aktuellen Videos sowie eine deutliche Verbesserung der Klickrate (CTR).
Darüber hinaus überwindet STATIC die Einschränkungen des generativen Abrufs während der Cold-Start-Phase. Durch die Durchsetzung präziser Dekodierungsbeschränkungen erzielt das Modell eine deutliche Verbesserung der Genauigkeit bei der Empfehlung völlig neuer Produkte, auf die es zuvor noch nie gestoßen ist.
Verwandter Artikel
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
Empfehlungen zu verwandten Spezialthemen
Kommentare (1)
In modernen industriellen Empfehlungssystemen verdrängt das auf großen Sprachmodellen (LLM) basierende Generative Retrieval (GR) zunehmend die herkömmliche, auf Embeddings basierende Suche. In der Praxis stößt dieser Ansatz jedoch auf ein entscheidendes Problem: Das Modell generiert häufig ungültige Produkt-IDs oder Ergebnisse, die gegen Bestandsbeschränkungen verstoßen, was zu unsinnigen Empfehlungen führt.
Um dieses Problem zu lösen, haben Forscher von Google DeepMind und YouTube gemeinsam ein neues Framework namens STATIC (Sparse Transition Matrix Accelerated Trie Index for Constrained Decoding) vorgestellt. Diese Technik nutzt innovative mathematische Methoden, um die bedingte Dekodierung in LLMs um das beeindruckende 948-Fache zu beschleunigen.

Wichtige technologische Durchbrüche:
„Baum“ in „Matrix“ umwandeln: Die herkömmliche Überprüfung von Einschränkungen stützt sich auf Präfixbäume (Trie), die auf Hardware wie GPUs und TPUs ineffizient arbeiten. STATIC wandelt den komplexen Baum in eine statische komprimierte Sparse-Row-Matrix (CSR) um und verwandelt die Überprüfung so in eine vektorisierte Operation, die von der Hardware effizient verarbeitet werden kann.
Außergewöhnliche Reaktionsgeschwindigkeit: In Tests mit einem Modell mit 3 Milliarden Parametern erreicht STATIC eine Einzelschritt-Latenz von nur 0,033 Millisekunden. Das ist fast 1 .000-mal schneller als herkömmliches CPU-basiertes Abrufen und über 40-mal schneller als bestehende hardwarebeschleunigte Lösungen.
Erfolgreicher Test bei YouTube: STATIC wurde im Videoempfehlungssystem von YouTube eingesetzt, um sicherzustellen, dass die Empfehlungen geschäftliche Vorgaben erfüllen, wie beispielsweise die Aktualität der Videos innerhalb der letzten sieben Tage. Tests ergaben einen Anstieg des Wiedergabevolumens um 5,1 % bei aktuellen Videos sowie eine deutliche Verbesserung der Klickrate (CTR).
Darüber hinaus überwindet STATIC die Einschränkungen des generativen Abrufs während der Cold-Start-Phase. Durch die Durchsetzung präziser Dekodierungsbeschränkungen erzielt das Modell eine deutliche Verbesserung der Genauigkeit bei der Empfehlung völlig neuer Produkte, auf die es zuvor noch nie gestoßen ist.
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13











