슬라이딩 윈도우 주의
슬라이딩 윈도우 어텐션은 각 토큰이 전체 시퀀스 대신 고정된 크기의 근처 토큰에만 참석하도록 제한합니다.
개요
This cuts the quadratic cost of standard attention down to linear, making long-context models far cheaper to run.
심층 분석
표준 self-attention은 모든 토큰을 다른 모든 토큰과 비교하므로 길이 N의 시퀀스에는 대략 N 제곱 비교가 필요합니다. 슬라이딩 윈도우 어텐션은 각 토큰에 W 크기(예: 4,096개 토큰)의 윈도우를 제공하고 해당 윈도우 내부의 이웃에만 주의를 기울여 이 문제를 해결합니다. 비용은 N 제곱 대신 N 배 W만큼 증가합니다. 결정적으로, 윈도우 레이어를 많이 쌓으면 유효 수용 필드가 확장됩니다. L 레이어 이후 정보는 CNN의 수용 필드가 커지는 것처럼 대략 L 곱하기 W 토큰에 걸쳐 전파될 수 있습니다. Mistral 7B는 32개 레이어에 걸쳐 4,096개의 토큰 창을 통해 이를 대중화하여 이론적으로 131K 토큰 범위에 도달했습니다. 모델은 장거리 링크를 보존하기 위해 가끔 전체 주의 레이어와 윈도우 레이어를 혼합하는 경우가 많습니다.
기술적 통찰력
어텐션 마스크에서 i 위치의 쿼리는 i - W + 1부터 i까지(인과적인 경우) 위치의 키만 볼 수 있습니다. 이 희소 마스크는 KV 캐시에 레이어당 마지막 W 토큰만 필요하므로 생성 중에 메모리가 삭감된다는 의미입니다. 창이 각각의 새 토큰과 함께 이동하기 때문에 영원히 커지는 대신 가장 오래된 항목을 덮어쓰는 롤링 버퍼 캐시와 자연스럽게 쌍을 이룹니다.
전략적 영향
속도와 규모
일관성을 유지하면서 언어 워크플로를 더 빠르게 진행할 수 있습니다.
접근 및 도달
언어와 의사소통 스타일 전반에 걸쳐 접근성을 확장합니다.
더 명확한 결정들
자동화가 반복을 처리하는 동안 팀은 판단에 더 많은 시간을 할애할 수 있습니다.
슬라이딩 윈도우 주목의 미래
이제 하이브리드 설계는 여러 슬라이딩 윈도우 레이어 사이에 몇 개의 전역 또는 전체 주의 레이어를 인터리브하여 진정한 장거리 추론과 효율성의 균형을 맞춥니다. Gemma 2 및 기타 블록은 로컬 블록과 글로벌 블록을 번갈아 사용합니다. 상태공간 모델, Attention 싱크 및 KV 캐시 압축과 결합하여 프론티어 모델이 메모리 폭주 없이 백만 개의 토큰 컨텍스트를 처리할 수 있도록 창 Attention을 기대합니다. 이는 이국적인 최적화가 아닌 기본 구성 요소가 되고 있습니다.
실제 구현
Mistral 7B는 레이어 전반에 걸쳐 4,096개의 토큰 슬라이딩 창을 사용하여 소비자 GPU에서 긴 프롬프트를 저렴하게 처리합니다.
Longformer는 창 주의와 몇 가지 글로벌 토큰을 적용하여 여러 페이지로 구성된 문서를 분류하고 요약합니다.
Gemma 2는 속도와 장거리 리콜의 균형을 맞추기 위해 로컬 슬라이딩 윈도우 레이어와 글로벌 어텐션 레이어를 번갈아 사용합니다.
채팅 도우미의 롤링 버퍼 KV 캐시는 가장 최근의 토큰 창만 유지하여 긴 대화 중에 메모리를 제한합니다.
위험 및 가드레일
환각 사실은 보고서, 지원 흐름 또는 연구 결과에 조용히 포함될 수 있습니다.
신속한 민감도는 유사한 요청 간에 일관되지 않은 결과를 초래할 수 있습니다.
액세스 제어가 약한 경우 민감한 텍스트 데이터가 노출될 수 있습니다.
구현 로드맵
출시 전에 출력 형식, 톤, 품질 표준을 정의하세요.
정확성이 중요할 때마다 신뢰할 수 있는 출처를 통해 대응하세요.
고위험 결과물에 대한 인적 검토 체크포인트를 유지합니다.
실패 패턴을 추적하고 프롬프트나 워크플로를 정기적으로 재교육하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Sliding Window Attention quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
그룹화된 쿼리 주의
자주 묻는 질문
What is Sliding Window Attention?
슬라이딩 윈도우 어텐션은 각 토큰이 전체 시퀀스 대신 고정된 크기의 근처 토큰에만 참석하도록 제한합니다. 이는 표준 주의의 2차 비용을 선형으로 줄여 긴 컨텍스트 모델을 실행하는 데 훨씬 저렴하게 만듭니다.
표준 self-attention에 비해 슬라이딩 윈도우 어텐션의 주요 계산상의 이점은 무엇입니까?
각 토큰을 W 이웃의 고정 창으로 제한함으로써 비용은 N 제곱이 아닌 N 배 W(N의 선형)만큼 증가합니다.
Mistral 7B의 설계에서 어떻게 정보가 단일 4,096개 토큰 창을 훨씬 넘어 이동할 수 있습니까?
CNN과 마찬가지로 각 레이어는 정보를 한 창 더 푸시하므로 L 레이어는 대략 L 배 W 토큰의 유효 범위를 제공합니다.
슬라이딩 윈도우 주의가 텍스트 생성 중에 메모리를 줄이는 이유는 무엇입니까?
토큰은 최근 창에만 참여하므로 롤링 버퍼 캐시를 통해 이전 키/값 항목을 삭제할 수 있습니다.
장거리 추론을 유지하기 위해 Gemma 2와 같은 모델은 슬라이딩 창과 함께 어떤 디자인 선택을 사용합니까?
가끔 글로벌/풀 어텐션 레이어를 로컬 레이어에 혼합하면 순수 윈도우잉이 약화되는 진정한 장거리 연결이 유지됩니다.
W 크기의 인과 슬라이딩 윈도우의 경우 내가 관심을 갖는 위치에서 어떤 키를 쿼리할 수 있나요?
인과적인 경우 쿼리는 그 자체와 그 직전에 W 빼기 1 토큰을 확인하며 미래의 토큰은 확인하지 않습니다.