llama.cpp 提交 NUMA 鏡像權重 PR，以雙倍記憶體換取雙路 CPU 解碼效能最高提升 137%

據社群開發者提交至 llama.cpp 的 PR（#27986）指出，透過實作 `--numa mirror` 策略，可顯著提升雙路 CPU 的本地解碼效能。該方案啟用 `ggml-cpu.h` 中的 `GGML_NUMA_STRATEGY_MIRROR`，在每個 NUMA 節點上保留一份完整的模型權重副本，讓執行緒僅從本地節點讀取，藉此避開跨插槽（cross-socket）的記憶體頻寬瓶頸，代價是需要消耗兩倍的記憶體（RAM）。 據開發者在雙路 EPYC 7532 處理器（本地讀取 137 GB/s、跨插槽 47.7 GB/s）的實測數據，相較於原有的 `--numa distribute`，DeepSeek-V4-Flash Q8（151 GiB）解碼效能從 10.96 提升至 17.93（+64%）。GLM-5.2 Q3_K_XL（319 GiB）提升 71%（4.97 至 8.49），而 gemma-4-31B Q4_0 dense 在純 CPU 解碼下更提升達 137%（3.32 至 7.88）。