cont : initial implementation sketch [no ci]

include/llama.h

@@ -62,7 +62,7 @@ extern "C" {
     struct llama_model;
     struct llama_context;
     struct llama_sampler;
-    struct llama_sampling;
+    struct llama_sampling; // TODO: remove before merge
 
     typedef int32_t llama_pos;
     typedef int32_t llama_token;
@@ -414,7 +414,8 @@ extern "C" {
     } llama_sampling_params;
 
     typedef struct llama_sampler_params {
-        bool dummy;
+        uint32_t seed;              // the seed used to initialize the rng of the sampler
+
         // TODO: add type of sampler: greedy, dist, mirostat, etc.
     } llama_sampler_params;
 
@@ -1175,10 +1176,11 @@ extern "C" {
     typedef void * llama_constraint_context_t;
 
     struct llama_constraint_i {
-        void (*accept)(struct llama_constraint * cnstr, llama_token token);
+        void (*accept)(struct llama_constraint * cnstr, llama_token token); // can be NULL
         void (*apply) (struct llama_constraint * cnstr, llama_token_data_array * candidates);
-        void (*reset) (struct llama_constraint * cnstr); // e.g. for grammar and penalty constraints
-        void (*free)  (struct llama_constraint * cnstr);
+        void (*reset) (struct llama_constraint * cnstr); // e.g. for grammar and penalty constraints, can be NULL
+        void (*copy)  (struct llama_constraint * cnstr, const struct llama_constraint * cnstr_src);
+        void (*free)  (struct llama_constraint * cnstr); // can be NULL
 
         // TODO: API for internal libllama usage for appending the sampling to an existing ggml_cgraph
         //void (*apply_ggml) (struct llama_constraint * cnstr, ...);
@@ -1192,10 +1194,13 @@ extern "C" {
     LLAMA_API struct llama_constraint * llama_constraint_init_top_k(int32_t k, int32_t min_keep);
     LLAMA_API struct llama_constraint * llama_constraint_init_top_p(float   p, int32_t min_keep);
     // ...
+
+    // do not call if used with llama_sampler_add_constraint
     LLAMA_API void llama_constraint_free(struct llama_constraint * cnstr);
 
     LLAMA_API void llama_constraint_accept(struct llama_constraint * cnstr, llama_token token);
     LLAMA_API void llama_constraint_apply (struct llama_constraint * cnstr, llama_token_data_array * candidates);
+    LLAMA_API void llama_constraint_reset (struct llama_constraint * cnstr);
 
     // samplers
 
@@ -1206,6 +1211,8 @@ extern "C" {
 
     // TODO: should this take ownership so the user does not need to call llama_constraint_free
     //       or should just make a reference to the constraint so that it can be reused in multiple llama_sampler?
+    //
+    //       seems better to take the ownership, otherwise the copying of the sampler will be more complicated
     LLAMA_API void llama_sampler_add_constraint(struct llama_sampler * smpl, struct llama_constraint * cnstr);
 
     LLAMA_API void        llama_sampler_accept(struct llama_sampler * smpl, llama_token token);

src/llama-sampling.cpp

@@ -50,6 +50,10 @@ struct llama_sampling * llama_sampling_init_impl(const struct llama_vocab & voca
 }
 
 void llama_sampling_free_impl(struct llama_sampling * sampling) {
+    if (sampling == nullptr) {
+        return;
+    }
+
     delete sampling;
 }
 
@@ -633,3 +637,166 @@ llama_token llama_sampling_prev_impl(const struct llama_sampling & smpl, int ith
 int llama_sampling_n_prev_impl(const struct llama_sampling & smpl) {
     return smpl.prev.size();
 }
+
+//
+// sampling v2
+//
+
+// constraints
+
+// top-k
+
+struct llama_constraint_context_top_k {
+    int32_t k;
+    size_t min_keep;
+};
+
+static struct llama_constraint_i llama_constraint_top_k_i = {
+    /* .accept = */ nullptr,
+    /* .apply  = */ [](struct llama_constraint * cnstr, llama_token_data_array * candidates) {
+        auto * ctx = (llama_constraint_context_top_k *) cnstr->ctx;
+        llama_sampling_top_k_impl(candidates, ctx->k, ctx->min_keep);
+    },
+    /* .reset  = */ nullptr,
+    /* .copy   = */ [](struct llama_constraint * cnstr, const struct llama_constraint * cnstr_src) {
+        cnstr->ctx = new llama_constraint_context_top_k;
+        const auto * ctx_src = (const llama_constraint_context_top_k *) cnstr_src->ctx;
+              auto * ctx_dst = (      llama_constraint_context_top_k *) cnstr->ctx;
+        *ctx_dst = *ctx_src;
+    },
+    /* .free   = */ [](struct llama_constraint * cnstr) {
+        delete (llama_constraint_context_top_k *) cnstr->ctx;
+        delete cnstr;
+    }
+};
+
+struct llama_constraint * llama_constraint_init_top_k_impl(int32_t k, size_t min_keep) {
+    struct llama_constraint * result = new llama_constraint;
+
+    result->iface = &llama_constraint_top_k_i;
+    result->ctx = new llama_constraint_context_top_k{k, min_keep};
+
+    return result;
+}
+
+// top-p
+
+struct llama_constraint_context_top_p {
+    float p;
+    size_t min_keep;
+};
+
+static struct llama_constraint_i llama_constraint_top_p_i = {
+    /* .accept = */ nullptr,
+    /* .apply  = */ [](struct llama_constraint * cnstr, llama_token_data_array * candidates) {
+        llama_constraint_context_top_p * ctx = (llama_constraint_context_top_p *) cnstr->ctx;
+        llama_sampling_top_p_impl(candidates, ctx->p, ctx->min_keep);
+    },
+    /* .reset  = */ nullptr,
+    /* .copy   = */ [](struct llama_constraint * cnstr, const struct llama_constraint * cnstr_src) {
+        cnstr->ctx = new llama_constraint_context_top_p;
+        const auto * ctx_src = (const llama_constraint_context_top_p *) cnstr_src->ctx;
+              auto * ctx_dst = (      llama_constraint_context_top_p *) cnstr->ctx;
+        *ctx_dst = *ctx_src;
+    },
+    /* .free   = */ [](struct llama_constraint * cnstr) {
+        delete (llama_constraint_context_top_p *) cnstr->ctx;
+        delete cnstr;
+    }
+};
+
+struct llama_constraint * llama_constraint_init_top_p_impl(float p, size_t min_keep) {
+    struct llama_constraint * result = new llama_constraint;
+
+    result->iface = &llama_constraint_top_p_i;
+    result->ctx = new llama_constraint_context_top_p{p, min_keep};
+
+    return result;
+}
+
+void llama_constraint_free_impl(struct llama_constraint * constraint) {
+    if (constraint->iface->free) {
+        constraint->iface->free(constraint);
+    }
+}
+
+void llama_constraint_accept_impl(struct llama_constraint * constraint, llama_token token) {
+    if (constraint->iface->accept) {
+        constraint->iface->accept(constraint, token);
+    }
+}
+
+void llama_constraint_apply_impl(struct llama_constraint * constraint, struct llama_token_data_array * candidates) {
+    GGML_ASSERT(constraint->iface->apply);
+    constraint->iface->apply(constraint, candidates);
+}
+
+void llama_constraint_reset_impl(struct llama_constraint * constraint) {
+    if (constraint->iface->reset) {
+        constraint->iface->reset(constraint);
+    }
+}
+
+// samplers
+
+struct llama_sampler * llama_sampler_init_impl(struct llama_sampler_params params) {
+    auto * result = new llama_sampler;
+
+    result->params = params;
+
+    result->rng.seed(params.seed);
+
+    return result;
+}
+
+void llama_sampler_free_impl(struct llama_sampler * smpl) {
+    if (smpl == nullptr) {
+        return;
+    }
+
+    for (auto * constraint : smpl->constraints) {
+        llama_constraint_free_impl(constraint);
+    }
+
+    delete smpl;
+}
+
+struct llama_sampler * llama_sampler_cp_impl(const struct llama_sampler & smpl) {
+    auto * result = new llama_sampler;
+
+    *result = smpl;
+
+    // copy the constraints objects
+    result->constraints.clear();
+    for (const auto & constraint : smpl.constraints) {
+        GGML_ASSERT(constraint->iface->copy);
+
+        result->constraints.push_back(new llama_constraint);
+        result->constraints.back()->iface = constraint->iface;
+        result->constraints.back()->iface->copy(result->constraints.back(), constraint);
+    }
+
+    return result;
+}
+
+void llama_sampler_reset_impl(struct llama_sampler & smpl) {
+    smpl.prev.clear();
+
+    for (auto * constraint : smpl.constraints) {
+        llama_constraint_reset_impl(constraint);
+    }
+
+    // TODO: should we reset the timings?
+}
+
+void llama_sampler_add_constraint_impl(struct llama_sampler & smpl, struct llama_constraint * cnstr) {
+    smpl.constraints.push_back(cnstr);
+}
+
+void llama_sampler_accept_impl(struct llama_sampler & smpl, llama_token token) {
+    smpl.prev.push_back(token);
+
+    for (auto * constraint : smpl.constraints) {
+        llama_constraint_accept_impl(constraint, token);
+    }
+}

src/llama-sampling.h

@@ -105,3 +105,48 @@ void llama_sampling_accept_impl(struct llama_sampling & smpl, llama_token token,
 
 llama_token llama_sampling_prev_impl  (const struct llama_sampling & smpl, int ith);
 int         llama_sampling_n_prev_impl(const struct llama_sampling & smpl);
+
+
+//
+// sampling v2
+//
+
+// constraints
+
+struct llama_constraint * llama_constraint_init_top_k_impl(int32_t k, size_t min_keep);
+struct llama_constraint * llama_constraint_init_top_p_impl(float   p, size_t min_keep);
+
+void llama_constraint_free_impl(struct llama_constraint * constraint);
+
+void llama_constraint_accept_impl(struct llama_constraint * constraint, llama_token token);
+void llama_constraint_apply_impl (struct llama_constraint * constraint, struct llama_token_data_array * candidates);
+void llama_constraint_reset_impl (struct llama_constraint * constraint);
+
+// samplers
+
+struct llama_sampler {
+    llama_sampler_params params;
+
+    // state
+
+    std::mt19937 rng;
+
+    // TODO: move to a standalone penalty constraint?
+    ring_buffer<llama_token> prev;
+
+    std::vector<llama_constraint *> constraints;
+
+    // timing
+
+    mutable int64_t t_sample_us = 0;
+
+    mutable int32_t n_sample = 0;
+};
+
+struct llama_sampler * llama_sampler_init_impl (      struct llama_sampler_params params);
+void                   llama_sampler_free_impl (      struct llama_sampler * smpl);
+struct llama_sampler * llama_sampler_cp_impl   (const struct llama_sampler & smpl);
+void                   llama_sampler_reset_impl(      struct llama_sampler & smpl);
+
+void llama_sampler_add_constraint_impl(struct llama_sampler & smpl, struct llama_constraint * cnstr);
+void llama_sampler_accept_impl        (struct llama_sampler & smpl, llama_token token);

src/llama.cpp

@@ -17937,7 +17937,7 @@ struct llama_context_params llama_context_default_params() {
 
 struct llama_sampler_params llama_sampler_default_params() {
     struct llama_sampler_params result = {
-        /*.dummy =*/ false,
+        /*.seed              =*/ LLAMA_DEFAULT_SEED,
     };
 
     return result;
@@ -20971,6 +20971,70 @@ llama_token llama_sampling_last(const struct llama_sampling * smpl) {
     return llama_sampling_prev_impl(*smpl, 0);
 }
 
+//
+// sampling v2
+//
+
+struct llama_constraint * llama_constraint_init_top_k(int32_t k, int32_t min_keep) {
+    return llama_constraint_init_top_k_impl(k, min_keep);
+}
+
+struct llama_constraint * llama_constraint_init_top_p(float p, int32_t min_keep) {
+    return llama_constraint_init_top_p_impl(p, min_keep);
+}
+
+void llama_constraint_free(struct llama_constraint * cnstr) {
+    if (cnstr == nullptr) {
+        return;
+    }
+
+    llama_constraint_free_impl(cnstr);
+}
+
+void llama_constraint_accept(struct llama_constraint * cnstr, llama_token token) {
+    llama_constraint_accept_impl(cnstr, token);
+}
+
+void llama_constraint_apply(struct llama_constraint * cnstr, llama_token_data_array * candidates) {
+    llama_constraint_apply_impl(cnstr, candidates);
+}
+
+void llama_constraint_reset(struct llama_constraint * cnstr) {
+    llama_constraint_reset_impl(cnstr);
+}
+
+struct llama_sampler * llama_sampler_init(struct llama_sampler_params params) {
+    return llama_sampler_init_impl(params);
+}
+
+void  llama_sampler_free(struct llama_sampler * smpl) {
+    if (smpl == nullptr) {
+        return;
+    }
+
+    llama_sampler_free_impl(smpl);
+}
+
+struct llama_sampler * llama_sampler_cp(const struct llama_sampler * smpl) {
+    return llama_sampler_cp_impl(*smpl);
+}
+
+void llama_sampler_reset(struct llama_sampler * smpl) {
+    llama_sampler_reset_impl(*smpl);
+}
+
+void llama_sampler_add_constraint(struct llama_sampler * smpl, struct llama_constraint * cnstr) {
+    llama_sampler_add_constraint_impl(*smpl, cnstr);
+}
+
+void llama_sampler_accept(struct llama_sampler * smpl, llama_token token) {
+    llama_sampler_accept_impl(*smpl, token);
+}
+
+llama_token llama_sampler_sample(struct llama_sampler * smpl, const struct llama_context * ctx, int32_t i) {
+    GGML_ABORT("not implemented");
+}
+
 //
 // model split
 //