NSA: Neuer hardwareausgerichteter Mechanismus für sparse Attention
Originaltitel:🚀 Introducing NSA: A Hardware-Aligned and Natively Trainable Sparse Attention mechanism for ultra-f...
KI-Zusammenfassung
NSA ist ein hardwareausgerichteter und nativ trainierbarer Sparse-Attention-Mechanismus, der für extrem schnelles Training und Inferenz mit langem Kontext entwickelt wurde. Der Kern nutzt eine dynamische hierarchische Sparse-Strategie, die grobkörnige Token-Komprimierung mit feinkörniger Token-Auswahl kombiniert. Durch Optimierung für moderne Hardware beschleunigt NSA die Inferenz und senkt die Pretraining-Kosten, ohne Leistung einzubüßen; bei allgemeinen Benchmarks, Long-Context-Aufgaben und instruktionsbasiertem Reasoning erreicht oder übertrifft es Full-Attention-Modelle.
Kernpunkte
- NSA ist ein hardwareausgerichteter und nativ trainierbarer Sparse-Attention-Mechanismus,der für…
- Der Kern nutzt eine dynamische hierarchische Sparse-Strategie,die grobkörnige Token-Komprimierung…
- Durch Optimierung für moderne Hardware beschleunigt NSA die Inferenz und senkt die…
- bei allgemeinen Benchmarks,Long-Context-Aufgaben und instruktionsbasiertem Reasoning erreicht oder…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- X:DeepSeek (@deepseek_ai)
- Kategorie
- Sonstiges
DeepSeek 推出硬件对齐稀疏注意力 NSA,长上下文训练推理双提速,预训练成本显著降低
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: NSA: Neuer hardwareausgerichteter Mechanismus für sparse Attention. 18. Februar 2025. https://new.nat6.net/de/news/cmo77611u003hslhea6kr5k19/