…

..

configs

…

models

…

sampling/penaltylib

…

double-sparsity-config-Llama-3.1-8B-Instruct.json

…

experiment_runner.py

…

kv_cache_scales_llama3_1_8b.json

…

kv_cache_scales_llama3_8b.json

…

kv_cache_scales_qwen2_1_5b.json

…

run_suite.py

…

test_abort.py

Fix memory leak during abort (#2238)

2024-11-28 02:22:15 -08:00

test_bench_one_batch.py

…

test_bench_serving.py

…

test_cache_report.py

…

test_chunked_prefill.py

…

test_create_kvindices.py

…

test_custom_allreduce.py

adapt custom allreduce for tensorrt llm (#2511)

2025-01-16 04:57:35 +08:00

test_data_parallelism.py

…

test_double_sparsity.py

…

test_dp_attention.py

…

test_eagle_infer.py

…

test_ebnf_constrained.py

…

test_embedding_openai_server.py

…

test_eval_accuracy_large_chunked_prefill.py

…

test_eval_accuracy_large_mixed_chunked_prefill.py

Crash the server correctly during error (#2231)

2024-11-28 00:22:39 -08:00

test_eval_accuracy_large.py

…

test_eval_accuracy_mini.py

…

test_fp8_kvcache.py

…

test_fused_moe.py

Reorg moe code (#2563)

2024-12-24 01:10:22 +08:00

test_get_weights_by_name.py

[Minor] Fix code style (#2311)

2024-12-02 02:27:36 -08:00

test_gguf.py

…

test_input_embeddings.py

…

test_json_constrained.py

…

test_large_max_new_tokens.py

…

test_matched_stop.py

…

test_metrics.py

…

test_mla_fp8.py

…

test_mla.py

…

test_models_from_modelscope.py

…

test_moe_ep.py

…

test_moe_eval_accuracy_large.py

…

test_nightly_gsm8k_eval.py

…

test_nightly_human_eval.py

…

test_nightly_math_eval.py

…

test_no_chunked_prefill.py

…

test_no_overlap_scheduler.py

…

test_openai_server.py

…

test_pytorch_sampling_backend.py

Crash the server correctly during error (#2231)

2024-11-28 00:22:39 -08:00

test_radix_attention.py

…

test_regex_constrained.py

…

test_release_memory_occupation.py

…

test_request_length_validation.py

…

test_retract_decode.py

…

test_schedule_policy.py

…

test_server_args.py

…

test_session_control.py

…

test_skip_tokenizer_init.py

Improve: Token-In Token-Out Usage for RLHF (#2843)

2025-01-11 15:14:26 -08:00

test_srt_endpoint.py

Add a test case for cached_tokens (#3145)

2025-01-26 01:39:28 -08:00

test_srt_engine_with_quant_args.py

…

test_srt_engine.py

Separate two entry points: Engine and HTTP server (#2996)

2025-01-19 22:09:24 -08:00

test_torch_compile_moe.py

…

test_torch_compile.py

…

test_torch_native_attention_backend.py

…

test_torch_tp.py

…

test_torchao.py

…

test_triton_attention_backend.py

…

test_triton_attention_kernels.py

…

test_update_weights_from_disk.py

…

test_update_weights_from_distributed.py

[Minor] Fix code style (#2311)

2024-12-02 02:27:36 -08:00

test_update_weights_from_tensor.py

…

test_vision_chunked_prefill.py

…

test_vision_openai_server.py

Frontend: better error message handling for FINISH_ABORT in scheduler.py (#2956)

2025-01-18 19:37:30 -08:00

test_w8a8_quantization.py

…