**Flash-GMM：实现大规模软聚类的内存高效内核**

_Flash-GMM: A Memory-Efficient Kernel for Scalable Soft Clustering_

> Flash-GMM是一个在单个GPU上高效计算高斯混合模型的融合Triton内核，避免了完整责任矩阵的物化，实现了20倍加速，并支持比以往大100倍以上的数据集训练。将其集成到IVF粗量化器中用于近似最近邻搜索，展示了软GMM聚类可作为k均值替代，利用责任分数将边界向量分配给多个簇，在达到固定召回率时减少高达1.7倍的距离计算，或在相同计算成本下提升召回率2-12点。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.10896)