事件追踪已归档
alphaXiv介绍LSA稀疏注意力加速方法
首次报道 最新进展 1 篇报道，1 个来源
事件综述根据 1 篇报道整理，11月7日更新
alphaXiv在X上介绍论文提出的 Latent Sparse Attention（LSA）方法：它把相似 token 聚类并组织成可搜索的层级结构，使查询无需扫描整个上下文即可定位相关信息。 据 alphaXiv 介绍，在 10M token 上下文下，LSA 单层注意力的 prefill 比 GLM-5.3-Flash 原稀疏注意力快 22.7 倍、解码快 4.6 倍，且准确率相近。上述数据来自论文方，尚属其自述结果。
综述由模型根据报道生成，细节以各篇原文为准。
进展时间线
北京时间，最早在上alphaXivalphaXiv介绍Latent Sparse Attention论文
阅读这篇报道
全部报道
1 篇，点开看摘要LSA：超长上下文稀疏注意力加速新方法
论文提出 Latent Sparse Attention（LSA），将相似 token 聚类并组织成可搜索的层级结构，使查询无需扫描整个上下文即可定位相关信息。在 10M token 上下文下，LSA 单层注意力的 prefill 比 GLM-5.3-Flash 原稀疏注意力快 22.7 倍、解码快 4.6 倍，且准确率相近。
阅读这篇报道