SAGA稀疏注意力方法论文发布
热点事件持续更新
SAGA稀疏注意力方法论文发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者 Noam Elata 等提交论文，提出稀疏非对称分组查询注意力（SAGA），将 key 头与 value 头数量解耦，并搭配近似 top-N（Atop-N）稀疏注意力。论文称，在最长上下文下，端到端解码速度超过全注意力 GQA 基线的 2 倍，规模测试至 1.5B 参数。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
SAGA：解耦 key/value 头数的非对称稀疏注意力，LLM 长上下文解码提速超 2 倍报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.AISAGA：解耦 key/value 头数的非对称稀疏注意力，LLM 长上下文解码提速超 2 倍
研究者提出 Sparse Asymmetric Group-Query Attention（SAGA），将 key 头与 value 头数量解耦，并搭配近似 top-N（Atop-N）稀疏注意力，在最长上下文下实现端到端解码速度超 2 倍于全注意力 GQA 基线，规模至 1.5B 参数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。