Dans l'actualité
Deploying an HSTU Generative Recommender with NVIDIA Dynamo-Triton
NVIDIA Developer · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- NVIDIA a publié un workflow complet d'inférence pour recommandeurs HSTU génératifs, combinant la compilation PyTorch AOTI, le KV caching FlexKV et le déploiement Dynamo-Triton.
- Pourquoi ça compte
- Les ingénieurs construisant des systèmes de recommandation en production en ont besoin pour servir des modèles séquentiels sur de longues historiques utilisateur où la latence et l'efficacité mémoire GPU comptent.
- Vigilance
- Les résultats sont benchmarkés sur du matériel et des configurations spécifiques; la performance réelle dépend de la profondeur du modèle, des batch sizes, des taux de cache hit et de votre setup matériel.
- retrieval
- token
- eval
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.