TriAttention 稀疏混合精度注意力论文发布
热点事件观察中
TriAttention 稀疏混合精度注意力论文发布
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Hanzhi Zhang 在 arXiv 发布 TriAttention 论文，提出一种面向长上下文 LLM 推理的注意力方法：把 query-key tile 分为跳过、4-bit 和 8-bit 三档计算，用两条对角距离边界编码每个 head 的计算区域，使策略存储不随上下文长度增长。离线校准按归一化投影输出误差与完整 tile 执行成本选择边界，在共享计算预算下最小化误差；prefill 阶段生成的量化 key/value 复用于压缩 KV cache 供解码。 论文报告的实验结果显示，端到端生成相对 Torch attention 最高 7.88x、相对 BF16 基线 2.65x 加速，并在通用与长上下文任务上保持与原模型相当的质量。
AI 根据报道生成 · 5 小时前更新
最新进展11月5日 08:14
TriAttention：面向长上下文 LLM 推理的统一稀疏混合精度注意力报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.AITriAttention：面向长上下文 LLM 推理的统一稀疏混合精度注意力
TriAttention 将 query-key tile 分为跳过、4-bit 与 8-bit 三档计算，用两条对角距离边界编码每个 head 的计算区域，使策略存储不随上下文长度增长。离线校准按归一化投影输出误差与完整 tile 执行成本选择边界，在共享计算预算下最小化误差；prefill 阶段生成的量化 key/value 复用于压缩 KV cache 供解码。实验显示端到端生成相对 Torch attention 最高 7.88x、相对 BF16 基线 2.65x 加速，并在通用与长上下文任务上保持与原模型相当的质量。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月6日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。