return output ID from llama_batch_ext_add/set

common/common.h

@@ -606,7 +606,7 @@ struct common_batch {
     }
     void set_logits_last() {
         if (!tokens.empty()) {
-            llama_batch_ext_set_logits_last(batch.get());
+            llama_batch_ext_set_output_last(batch.get());
             tokens.back().logits = true;
         }
     }

examples/batched-bench/batched-bench.cpp

@@ -122,7 +122,7 @@ int main(int argc, char ** argv) {
                         llama_batch_ext_add_text(batch, 0, i, &j, 1, false);
                     }
                 }
-                llama_batch_ext_set_logits_last(batch);
+                llama_batch_ext_set_output_last(batch);
 
                 const auto t_pp_start = ggml_time_us();
 

examples/batched/batched.cpp

@@ -131,7 +131,7 @@ int main(int argc, char ** argv) {
     }
 
     // llama_decode will output logits only for the last token of the prompt
-    llama_batch_ext_set_logits_last(batch);
+    llama_batch_ext_set_output_last(batch);
 
     if (llama_decode_ext(ctx, batch) != 0) {
         LOG_ERR("%s: llama_decode() failed\n", __func__);

include/llama.h

@@ -900,7 +900,7 @@ extern "C" {
     //
     DEPRECATED(LLAMA_API struct llama_batch llama_batch_get_one(
                   llama_token * tokens,
-                      int32_t   n_tokens), "use llama_batch_ext API instead");
+                      int32_t   n_tokens), "use llama_batch_ext_init_from_text instead");
 
     // Allocates a batch of tokens on the heap that can hold a maximum of n_tokens
     // Each token can be assigned up to n_seq_max sequence ids
@@ -912,7 +912,7 @@ extern "C" {
     DEPRECATED(LLAMA_API struct llama_batch llama_batch_init(
                     int32_t n_tokens,
                     int32_t embd,
-                    int32_t n_seq_max), "use llama_batch_ext API instead");
+                    int32_t n_seq_max), "use llama_batch_ext_init instead");
 
     // Frees a batch of tokens allocated with llama_batch_init()
     DEPRECATED(LLAMA_API void llama_batch_free(struct llama_batch batch),
@@ -950,28 +950,32 @@ extern "C" {
 
     // Add text tokens to the batch
     // Return values:
-    //  0 : success
     // -1 : not enough space in the batch
     // -2 : embd is already set, cannot add text tokens
+    // otherwise, returns the output ID
     LLAMA_API int32_t llama_batch_ext_add_text(
         struct llama_batch_ext * batch,
                    llama_token   token,
                      llama_pos   pos,
             const llama_seq_id * seq_ids,
                         size_t   n_seq_ids,
-                         float   logits);
+                          bool   output);
 
-    // Set logits for the token in the ith sequence
+    // Set output (logits/embeddings) for the token in the ith sequence
-    // If pos == -1, logits will be set for the all tokens
+    // If pos == -1, output will be set for the all tokens
-    // Returns -1 if the token is not in the batch
+    // Return values:
-    LLAMA_API int32_t llama_batch_ext_set_logits(
+    // -1 : the token is not in the batch
+    // otherwise, returns the output ID
+    LLAMA_API int32_t llama_batch_ext_set_output(
         struct llama_batch_ext * batch,
                      llama_pos   pos,
                   llama_seq_id   seq_id);
 
-    // Set logits for the last added token
+    // Set output (logits/embeddings) for the last added token
-    // Returns -1 if there is no tokens in the batch
+    // Return values:
-    LLAMA_API int32_t llama_batch_ext_set_logits_last(struct llama_batch_ext * batch);
+    // -1 : the batch is empty
+    // otherwise, returns the output ID
+    LLAMA_API int32_t llama_batch_ext_set_output_last(struct llama_batch_ext * batch);
 
     // Get a "view" from a number of tokens offset
     // Return returned batch must be freed with llama_batch_free()

src/llama-batch.cpp

@@ -410,25 +410,26 @@ int32_t llama_batch_ext_add_text(
                  llama_pos   pos,
         const llama_seq_id * seq_ids,
                     size_t   n_seq_ids,
-                     float   logits) {
+                      bool   output) {
     if (batch->n_tokens + 1 > batch->max_tokens) {
         return -1; // llama_batch size exceeded
     }
     if (batch->embd) {
         return -2; // embd is already set, cannot add text tokens
     }
-    batch->token   [batch->n_tokens] = token;
+    const int32_t output_id = batch->n_tokens;
-    batch->pos     [batch->n_tokens] = pos;
+    batch->token   [output_id] = token;
-    batch->n_seq_id[batch->n_tokens] = n_seq_ids;
+    batch->pos     [output_id] = pos;
+    batch->n_seq_id[output_id] = n_seq_ids;
     for (size_t j = 0; j < n_seq_ids; j++) {
         batch->seq_id[batch->n_tokens][j] = seq_ids[j];
     }
-    batch->logits  [batch->n_tokens] = logits;
+    batch->logits  [output_id] = output;
     batch->n_tokens++;
-    return 0;
+    return output_id;
 }
 
-int32_t llama_batch_ext_set_logits(
+int32_t llama_batch_ext_set_output(
     struct llama_batch_ext * batch,
                  llama_pos   pos,
               llama_seq_id   seq_id) {
@@ -439,7 +440,7 @@ int32_t llama_batch_ext_set_logits(
                 // found the sequence
                 if (pos == -1 || pos == batch->pos[i]) {
                     batch->logits[i] = true;
-                    return 0;
+                    return i;
                 }
             }
         }
@@ -447,12 +448,13 @@ int32_t llama_batch_ext_set_logits(
     return -1; // not found
 }
 
-int32_t llama_batch_ext_set_logits_last(struct llama_batch_ext * batch) {
+int32_t llama_batch_ext_set_output_last(struct llama_batch_ext * batch) {
     if (batch->n_tokens == 0) {
         return -1;
     }
-    batch->logits[batch->n_tokens - 1] = true;
+    const int32_t output_id = batch->n_tokens - 1;
-    return 0;
+    batch->logits[output_id] = true;
+    return output_id;
 }
 
 void llama_batch_ext_clear(struct llama_batch_ext * batch) {