**稀疏内核实现 36% 训练吞吐量提升**

_Show HN: Sparse kernel delivering 36% higher training throughput_

> 开源项目 eugen-sparse 发布了一个基于 Triton 的稀疏 SwiGLU 前馈网络（FFN）GPU 内核。该内核在 NVIDIA Ampere 架构及更新显卡上，相比同容量稠密模型实现了 36% 的训练吞吐量提升。代码采用 PyTorch 封装并支持 torch.compile，旨在为 Transformer 模型的稀疏化训练提供高效的底层支持。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-25 07:25（北京时间）
- **原文**：[打开原文](https://huggingface.co/JakCwi/eugen-sparse)