llama.cpp 提升 Hexagon NPU 轉置 CONCAT 頻寬利用率
llama.cpp 新建置 b11981 最佳化了高通 Hexagon NPU 上轉置 CONCAT 的 DDR 頻寬利用率：把行塊大小翻倍、scratchpad 改為雙緩衝、src1 行分塊處理，並補齊 src1 的 VTCM stride 以分散 gather lane；類似的 vgather 最佳化也應用到 SSM_CONV 和 GDN。
原標題：b11981
閱讀原文
| 評分 | 45 / 45（平均 45，門檻 60） |
|---|---|
| 狀態 | 未入選 |
原文
相關報導
llama.cpp b11433 為 Hexagon NPU 加入池化運算元支援
llama.cpp 新建置 b11433 在高通 Hexagon NPU 後端加入 pool 運算元支援，包含 pool_1d 與 pool_2d。同一批提交重寫了 DMA 流水線、加入池化分塊（pool chunking）、移除並向量化全部標量路徑，並最佳化 HTP 池化邊界、簡化分塊求解器與清理冗餘檢查。
llama.cpp 更新：Hexagon NPU 的 IM2COL 改為分塊多執行緒 HVX 並行
llama.cpp 發布新建置 b11976，重點改進了 Hexagon NPU 後端的 IM2COL：按輸出列分塊，並用 HVX 做多執行緒並行；同時修復 padding 處理，並對常見情形做了迴圈展開。該改動由高通 Max Krasnyansky 共同署名，提交資訊註明由 Claude Opus 5.5 協助。
llama.cpp Hexagon NPU 支援 Q1_0/Q2_0 的 Hadamard 矩陣乘與取行
llama.cpp 建置 b11717 為高通 Hexagon NPU 後端加入 Hadamard 變換的 MUL_MAT 與 GET_ROWS，覆蓋 flat 與 tiled 兩種佈局的 Q1_0、Q2_0 量化，並新增 hex-hadamard 運算元。同一提交還減少了 q8_1 量化器與 vec_dot_q1 的資料包數量。
llama.cpp b11574 最佳化 Hexagon NPU 複製與拼接運算元
llama.cpp 發布 b11574 建置，重點最佳化 Hexagon NPU 後端的 CPY/CONCAT 與 gather-rows 運算元：按 DMA 描述符分塊搬執行、加入雙緩衝與迴圈展開，緩解短行場景受 DMA 延遲拖累的問題，並支援 3/4 維維度摺疊。該版本還把 mdev 下 vtcm_acquire 的同步狀態全部改為原子操作，修復多裝置配置中的隨機卡死，並新增只建置/安裝 Hexagon 後端的選項。
llama.cpp 為 Hexagon NPU 增加 UPSCALE 運算元支援
llama.cpp 建置 b11982 在 Hexagon NPU 後端加入 UPSCALE 運算元，使驍龍平台上的影像放大可由 NPU 執行。相關 kernel 針對 nearest 2x、4x 與 bilinear 4x 做了最佳化，並支援非連續行與維度合併；同時改用 vgather 取代標量搬運，並把 kernel 選擇邏輯統一放到 host 端。新增的 permuted UPSCALE 測試覆蓋 qwen3-vl 影像轉文字場景。