Khối thưa thớt và sự chú ý thưa thớt bản địa
Sự chú ý thưa thớt và thưa thớt gốc cho phép người biến đổi chỉ tham gia vào các phần có liên quan nhất của một chuỗi dài thay vì từng mã thông báo, cắt giảm chi phí bậc hai của sự chú ý tiêu chuẩn.
Tổng quan
This is what makes efficient long-context models practical on real hardware.
Lặn sâu
Tự chú ý tiêu chuẩn so sánh mọi mã thông báo với mọi mã thông báo khác, do đó, chi phí tăng theo phương trình bậc hai với độ dài chuỗi, trở nên hạn chế đối với các tài liệu rất dài. Sự chú ý thưa thớt hạn chế mỗi mã thông báo ở một tập hợp con của các mã thông báo khác. Các phương pháp tiếp cận thưa thớt chia chuỗi thành các khối và chỉ tính toán sự chú ý cho các cặp khối đã chọn, ánh xạ hiệu quả vào lõi tensor GPU. Sự chú ý thưa thớt gốc (NSA), từ DeepSeek, còn đi xa hơn: nó có thể huấn luyện từ đầu đến cuối và phù hợp với phần cứng, kết hợp ba nhánh, nén mã thông báo chi tiết thô, lựa chọn chi tiết các khối quan trọng nhất và cửa sổ trượt cho bối cảnh cục bộ. Bởi vì mẫu thưa thớt được học trong quá trình huấn luyện trước thay vì được cố định sau đó, NSA duy trì độ chính xác trong khi cung cấp tốc độ tăng tốc lớn trên các chuỗi dài.
Hiểu biết kỹ thuật
NSA xử lý các khóa và giá trị thông qua ba đường dẫn song song, sau đó hợp nhất chúng với các cổng đã học. Nén tổng hợp các khối mã thông báo thành các biểu diễn tóm tắt; điểm lựa chọn sẽ chặn và chỉ giữ lại những người được xếp hạng cao nhất để được chú ý đầy đủ; một cửa sổ trượt bao phủ các thẻ gần đó. Các hoạt động ở cấp khối phù hợp với khả năng truy cập bộ nhớ GPU và thông lượng lõi tensor, do đó, mức tiết kiệm FLOP theo lý thuyết sẽ chuyển thành tăng tốc đồng hồ treo tường thực sự trong cả quá trình đào tạo và suy luận, đặc biệt là đối với bước giải mã giới hạn bộ nhớ.
Tác động chiến lược
Chi phí và ngân sách
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Quyết định rõ ràng hơn
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Kiểm soát chất lượng
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Tương lai của sự chú ý thưa thớt và thưa thớt bản địa
Sự thưa thớt về phần cứng, có thể huấn luyện được đang trở thành con đường dẫn đến bối cảnh hàng triệu mã thông báo mà không cần bùng nổ chi phí. Mong đợi sự chú ý thưa thớt sẽ được đồng thiết kế với các hạt nhân và máy gia tốc, kết hợp với các ý tưởng chú ý tuyến tính và không gian trạng thái, đồng thời được áp dụng trong các mô hình lý luận và bối cảnh dài hạn. Khi các mẫu trở nên dễ học và linh hoạt, các mô hình sẽ phân bổ ngân sách chú ý một cách thích ứng cho mỗi truy vấn và điểm chuẩn sẽ ngày càng đo lường thông lượng giải mã trên các chuỗi dài chứ không chỉ chất lượng thô.
Triển khai trong thế giới thực
Chạy một mô hình trên toàn bộ cơ sở mã hoặc hợp đồng pháp lý dài hạn mà sự chú ý hoàn toàn sẽ làm cạn kiệt bộ nhớ GPU.
NSA của DeepSeek tăng tốc cả quá trình đào tạo trước và suy luận theo ngữ cảnh dài trong khi khớp hoặc đánh bại độ chính xác được chú ý đầy đủ.
Tóm tắt các tài liệu dài bằng sách bằng cách chú ý đến các bản tóm tắt dạng khối nén cộng với các đoạn văn có liên quan đến địa phương.
Tăng tốc các trợ lý trò chuyện có ngữ cảnh dài có bước giải mã bị giới hạn bộ nhớ bằng cách giới hạn mỗi mã thông báo ở các khối được xếp hạng cao nhất.
Rủi ro & lan can
Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
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 Block-Sparse and Native Sparse 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
Hướng dẫn tiếp theo
Mô hình chú ý thưa thớt
Câu hỏi thường gặp
What is Block-Sparse and Native Sparse Attention?
Sự chú ý thưa thớt và thưa thớt gốc cho phép người biến đổi chỉ tham gia vào các phần có liên quan nhất của một chuỗi dài thay vì từng mã thông báo, cắt giảm chi phí bậc hai của sự chú ý tiêu chuẩn. Đây là điều làm cho các mô hình ngữ cảnh dài hiệu quả trở nên khả thi trên phần cứng thực.
Tại sao việc tự chú ý tiêu chuẩn lại tốn kém trong các chuỗi dài?
Mỗi mã thông báo liên quan đến mọi mã thông báo khác, vì vậy tính toán và chia tỷ lệ bộ nhớ theo bình phương của độ dài chuỗi.
Ý tưởng cốt lõi của sự chú ý thưa thớt là gì?
Trình tự được chia thành các khối và sự chú ý chỉ được tính toán cho các cặp khối đã chọn, những cặp khối này cũng ánh xạ tốt tới các lõi tensor của GPU.
Điều gì làm cho sự chú ý thưa thớt gốc (NSA) khác biệt với nhiều phương pháp thưa thớt trước đó?
NSA tìm hiểu mô hình thưa thớt của nó trong quá trình đào tạo trước và được thiết kế để phù hợp với phần cứng, do đó, nó duy trì độ chính xác trong khi chạy nhanh.
NSA kết hợp ba nhánh nào cho các khóa và giá trị của nó?
NSA hợp nhất việc nén mã thông báo thô, lựa chọn khối chi tiết và cửa sổ trượt cục bộ bằng cách sử dụng các cổng đã học.
Tại sao NSA sử dụng các hoạt động cấp khối thay vì độ thưa thớt cấp mã thông báo tùy ý?
Các kiểu truy cập cấp khối phù hợp với phần cứng GPU, do đó, mức tiết kiệm FLOP về mặt lý thuyết sẽ trở thành tốc độ tăng tốc đồng hồ treo tường thực tế.