Event ·Multi-source

DTS:基于差分的分块打分方法加速长上下文稀疏注意力

arXiv 论文提出 Delta-Based Tile Scoring(DTS),一种无需训练、按内容自适应的稀疏分块注意力打分方法,针对长文档和代码库带来的 prefill 瓶颈。方法根据局部向量变化选取 query 和 key 锚点,冗余区域使用更少代表点,异构区域保留更多细节,并通过并行 delta packing 将序列切分为 tile 对齐的分块、并发执行有界局部扫描来加速锚点选择。 在 LLaMA-3.1-8B-Instruct 上的评测显示,DTS 的平均 RULER 和 LongBench 分数与全量注意力的差距不超过 0.10 个百分点,其中 RULER 评测最长到 128K tokens。速度方面,128K tokens 下打分管线延迟比 XAttention 降低 38%;在 4 张 NVIDIA H100 上、512K tokens 场景,相比使用 FlashAttention-2 的 PyTorch 全量注意力基线取得 3.3 倍 prefill 加速。

Current read

处理超长文档或大代码库时,prefill 经常卡在注意力计算上。这篇论文的 DTS 不用训练,打分延迟比 XAttention 低 38%,512K tokens 下还有 3.3 倍加速,精度几乎不掉。做长上下文推理优化的工程师可以看看实现思路。

9 sources42° AI heatLast updated 2026/11/19 11:23:22

Evidence

9 sources
Primary sourcearXiv cs.LG
View source
Related source 5NVIDIA AI
View source
Related source 7Jerry Liu
View source
Related source 8rohanpaul_ai
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.