RISA:块扩散语言模型的可恢复稀疏注意力
热点事件持续更新
RISA:块扩散语言模型的可恢复稀疏注意力
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Xinrui Zhong 等作者提交论文,提出面向块式扩散语言模型(DLM)的可恢复稀疏注意力方法 RISA,通过块内共享读取计划避免重复构建稀疏支持。 作者报告,在 DreamReasoner-8B 上,RISA 保持任务性能相当;32K 上下文下注意力较稠密实现提速 2.67 倍、固定轨迹请求提速 1.36 倍,128K 时注意力提速达 5.53 倍。上述提速与性能结论均出自论文作者。
AI 根据报道生成 · 6 分钟前更新
最新进展11月18日 13:00
RISA:面向块扩散语言模型的可恢复稀疏注意力报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.CLRISA:面向块扩散语言模型的可恢复稀疏注意力
RISA 是一种面向块扩散语言模型的可恢复稀疏注意力方法,通过块内共享读取计划避免重复构建稀疏支持。在 DreamReasoner-8B 上,RISA 保持任务性能相当,32K 上下文下注意力较稠密实现提速 2.67 倍、固定轨迹请求提速 1.36 倍,128K 时注意力提速达 5.53 倍。
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。