أعلنت Google مؤخرًا عن إطلاق JAXBench، وهي مجموعة اختبارات مبتكرة مصممة خصيصًا لتحسين أداء أنوية معالجات TPUs، والتي تُعتبر محورًا أساسيًا في تقنيات الذكاء الاصطناعي. يعد هذا التطور خطوة هامة حيث تم التوجه سابقًا نحو تحسين أداء وحدات المعالجة الرسومية (GPUs)، لكن لم تكن هناك مجموعة اختبارات مماثلة لنماذج TPUs.

تتضمن JAXBench 50 عبئًا عملًا تعمل على تقديم مشكلة معينة للتحسين، وتعزز الأداء بفضل تحسينات مستندة إلى أهداف محددة.

تستمد JAXBench 17 مشغلاً إنتاجيًا من مكتبات معرفية عامة مثل Llama-3.1 وDeepSeek-V3، حيث تم التحقق من صحة هذه المشغلات وتحديث أحجام المشاكل بشكل يتوافق مع الاستغلال الأمثل لوحدات TPU v6e.

بفضل أنظمة مثل Pallas، وتم ضبط إعدادات الكتل لتحديد سقف الخبراء للمعايير، يتيح JAXBench نمطًا جديدًا في توليد مشغلات Pallas تستند إلى التغذية الراجعة، مما يزيد معدل الصحة من 5.8% إلى 37.3% ويحقق سرعة تكرارية تصل إلى 1.28 مرة.

ومع التحسين المستمر، وصلت تقنيات البحث، مثل الأنابيب الخاصة بـ Autocomp، إلى زيادة في السرعة تصل إلى 1.36 ضعف مقارنة بـ XLA. بينما يبقى تحسين أنوية TPUs تحديًا كبيرًا، فإن أدوات مثل JAXBench توفر دعمًا قيمًا للمساهمات مفتوحة المصدر في هذا المجال.

تحمل هذه الابتكارات الكثير من الإمكانيات للمطورين والباحثين، وهو ما يثير الحماس حول التطورات القادمة في مجال الذكاء الاصطناعي.

ما رأيكم في هذه المبادرة من Google لتحسين أداء TPUs؟ شاركونا آراءكم في التعليقات!