产品
别名：.pte
PyTorch的边缘执行框架
已跟踪 4 条高相关材料
最近变化
2026-10-20 · Model Explorer支持VGF/TOSA/PTE格式，可检测ExecuTorch后端引入的TRANSPOSE操作符问题
为什么值得关注
ExecuTorch 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Meta's ships facial recognition on smart glasses
Hacker News Best · 9.2 分
Meta智能眼镜配套应用Stella v273内置了完整但休眠的端侧人脸识别管线，包含三个模型、本地向量数据库及通知组件，虽未对普通用户激活，但技术栈已完全就绪且可复现。
Bringing Visual Graph Debugging to Custom Edge Compilers with Model Explorer
Google Developers Blog · 8.5 分
Google Model Explorer工具通过可视化调试解决边缘设备模型部署难题，支持Arm自定义编译器IR验证与性能分析。
Fast, On Device Agentic AI with Muse Glimmer on ExecuTorch
PyTorch Blog · 8.5 分
Meta推出Muse Glimmer模型与ExecuTorch框架，实现300亿参数模型在NVIDIA和Apple Silicon设备的高效推理，支持DFlash解码算法降低延迟。
已收录 4 条与 ExecuTorch 相关的内容，按评分排序。
Meta’s Stella app v273 contains a fully functional but inactive on-device face recognition pipeline with three models, local vector DB, and notification components—technically ready but not enabled for regular users.
入选理由：Stella v273集成SCRFD、KPSAligner和SFace三模型，总大小约100MB，支持端侧生成2048维人脸嵌入。
Google Model Explorer工具通过可视化调试解决边缘设备模型部署难题，支持Arm自定义编译器IR验证与性能分析。
入选理由：Model Explorer支持VGF/TOSA/PTE格式，可检测ExecuTorch后端引入的TRANSPOSE操作符问题
Meta推出Muse Glimmer模型与ExecuTorch框架，实现300亿参数模型在NVIDIA和Apple Silicon设备的高效推理，支持DFlash解码算法降低延迟。
入选理由：Muse Glimmer是300亿参数的模型，通过ExecuTorch实现端到端优化
PyTorch基金会宣布成立多项目基金会，PyTorch 2.13发布显著优化性能，vLLM推出Model Runner V2并公布2026路线图。
入选理由：PyTorch 2.13在Apple Silicon上实现FlexAttention性能提升至SDPA的12倍
