Papers72°

腾讯混元提出 Stem 稀疏注意力算法,首字延迟降低 3.6 倍

Why we picked it

长文本推理的延迟痛点终于有了低成本解法——Stem 用 25% 算力实现近无损精度,做 LLM 推理优化的团队可以直接用开源代码实测,128K 上下文下首字延迟降低 3.6 倍的效果值得关注。

腾讯混元团队提出 Stem 稀疏注意力算法,已被 ICML-26 收录。该算法通过 Token 位置衰减和输出感知度量两大创新,仅用 25% 算力即可逼近稠密注意力的精度。

Body

配套的 HPC 算子库将理论加速转化为实际性能,在 128K 上下文下首字延迟降低 3.6 倍。

该方案为长文本推理场景提供了高效、低成本的注意力加速方案,相关论文和代码已开源。

Original · IT之家

IT之家 6 月 5 日消息,腾讯混元今日宣布提出 Stem 稀疏注意力算法,已被机器学习顶会 ICML-26 收录。 官方表示,Stem 稀疏注意力算法从“因果信息流”重新审视块级稀疏,用 Token 位置衰减(TPD)和输出感知度量(OAM)两大创新, 仅用 25% 算力就逼近稠密注意力的精度 。配套的 HPC 算子库则将这份理论加速比真正转化为端到端的实测性能。 ▲ Stem 在 Hy3 preview(W8A8-FP8)上更贴近生产环境的真实落地数据 根据 Stem 算法 × HPC 算子的全栈加速方案,算法层面,Stem 通过 Token 位置衰减(TPD)和输出感知度量(OAM)实现 25% 预算下的近无损精度 ;算子层面,HPC 开源的 Stem+BSA 算子将稀疏收益转化为真实硬件加速, 128K 上下文下首字延迟降低 3.6 倍 。 ▲ 模型精度 IT之家附相关链接如下: Stem 论文链接 : https://arxiv.org/abs/2603.06274Stem 开源地址 : https://github.com/Tencent/AngelSlimHPC 算子开源地址 : https://github.com/Tencent/hpc-ops

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Papers" desk, focusing on China's AI industry and domestic foundation model ecosystem. Key entities and technical topics under continuous tracking include 稀疏注意力, 长文本推理, 腾讯混元, ICML-26.

Source attribution: curated from IT之家.