研究人员推出了一种新颖的大型语言模型稀疏注意力方法 OpenAttention,该方法在显著降低计算成本的同时保持了高准确率。该技术利用“尾部代理”来表示键值缓存中未读取的部分,改进了之前丢弃这些信息或效率低下地对其进行采样的旧方法。在 RULER-32K HARD 基准测试上,使用 Llama-3.1-8B 时,OpenAttention 在仅 1% 的读取率下达到了密集注意力准确率的 99%,并且其自定义注意力内核在解码注意力阶段提供了十倍的速度提升。 AI
影响 降低了大型语言模型的计算成本,可能以更少的硬件实现更快的推理和训练。
排序理由 该条目是一篇 arXiv 预印本论文,详细介绍了一种用于大型语言模型的稀疏注意力新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- ErrorGate
- Hugging Face
- Llama-3.1:8b
- OpenAttention
- QGC
- qgs
- Query-Geometry Clustering
- Query-Geometry Selector
- RULER-32K HARD
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →