أعلنت NVIDIA عن طرح DLSS 4.5، وهو تحديث مهم لجميع وحدات معالجة الرسوميات RTX، مما يعزز أداء الألعاب ووضوح الرسوميات. من المتوقع أن يحسن هذا التحديث معدلات الإطارات والتجربة العامة لمستخدمي بطاقات الرسوميات من NVIDIA.

NVIDIA ha anunciado el lanzamiento de DLSS 4.5, una actualización significativa para todas las GPU RTX, que mejora el rendimiento de los juegos y la fidelidad visual. Se espera que esta actualización mejore las tasas de fotogramas y la experiencia general de los usuarios de las tarjetas gráficas de NVIDIA.

NVIDIA a annoncé le déploiement de DLSS 4.5, une mise à jour significative pour tous les GPU RTX, améliorant les performances de jeu et la fidélité visuelle. Cette mise à jour devrait améliorer les taux de rafraîchissement et l'expérience globale des utilisateurs des cartes graphiques NVIDIA.

NVIDIA has announced the rollout of DLSS 4.5, a significant update for all RTX GPUs, enhancing gaming performance and visual fidelity. This update is expected to improve frame rates and overall gaming experiences for users of NVIDIA's graphics cards.

NVIDIA rolls out DLSS 4.5 to all RTX GPUs

arXiv:2601.07891v1 Announce Type: new 
Abstract: Growing context lengths in transformer-based language models have made the key-value (KV) cache a critical inference bottleneck. While many KV cache pruning methods have been proposed, they have not yet been adopted in major inference engines due to speed--accuracy trade-offs. We introduce KVzap, a fast, input-adaptive approximation of KVzip that works in both prefilling and decoding. On Qwen3-8B, Llama-3.1-8B-Instruct, and Qwen3-32B across long-context and reasoning tasks, KVzap achieves $2$--$4\times$ KV cache compression with negligible accuracy loss and achieves state-of-the-art performance on the KVpress leaderboard. Code and models are available at https://github.com/NVIDIA/kvpress.

تم تقديم KVzap كطريقة سريعة وتكيفية لتقليص ذاكرة التخزين المؤقت للقيم الرئيسية (KV) في نماذج اللغة المعتمدة على المحولات، مما يعالج عنق الزجاجة الحرج في الاستدلال الناتج عن زيادة أطوال السياق. تحقق هذه الطريقة ضغطًا لذاكرة التخزين المؤقت KV يتراوح بين 2 إلى 4 مرات مع فقد دقيق ضئيل، مما يظهر أداءً رائدًا في لوحة تصنيف KVpress.

KVzap se ha presentado como un método rápido y adaptativo para la poda de caché de clave-valor (KV) en modelos de lenguaje basados en transformadores, abordando el cuello de botella crítico de inferencia causado por el aumento de las longitudes de contexto. Este método logra una compresión de caché KV de 2 a 4 veces con una pérdida de precisión mínima, demostrando un rendimiento de vanguardia en la tabla de clasificación KVpress.

KVzap a été introduit comme une méthode rapide et adaptative pour l'élagage du cache clé-valeur (KV) dans les modèles de langage basés sur des transformateurs, répondant au goulot d'étranglement d'inférence critique causé par l'augmentation des longueurs de contexte. Cette méthode atteint une compression du cache KV de 2 à 4 fois avec une perte de précision minimale, démontrant des performances de pointe sur le tableau de classement KVpress.

KVzap has been introduced as a fast and adaptive method for key-value (KV) cache pruning in transformer-based language models, addressing the critical inference bottleneck caused by growing context lengths. This method achieves 2-4 times KV cache compression with minimal accuracy loss, demonstrating state-of-the-art performance on the KVpress leaderboard.

NVIDIA rolls out DLSS 4.5 to all RTX GPUs

Was this article worth reading? Share it

LucidQuery AI

Aqaba.ai

Odin AI

Dynamiq

Octofy

Invent

Ready to build your own newsroom?