2月18日，DeepSeek官方在海外社交平臺(tái)X上發(fā)布了一篇純技術(shù)論文報(bào)告，論文主要內(nèi)容是關(guān)于NSA（Natively Sparse Attention，原生稀疏注意力），官方介紹這是一種用于超快速長(zhǎng)文本訓(xùn)練與推理的、硬件對(duì)齊且可原生訓(xùn)練的稀疏注意力機(jī)制。

具體來(lái)說(shuō)，NSA針對(duì)現(xiàn)代硬件進(jìn)行了優(yōu)化設(shè)計(jì)，能夠加速推理過(guò)程，同時(shí)降低預(yù)訓(xùn)練成本，且不犧牲性能。它在通用基準(zhǔn)測(cè)試、長(zhǎng)文本任務(wù)和基于指令的推理中均能達(dá)到或超越全注意力模型的表現(xiàn)。稀疏注意力為提高效率同時(shí)保持模型能力提供了一個(gè)有前景的方向。

記者注意到，在這篇名為《原生稀疏注意力：硬件對(duì)齊且可原生訓(xùn)練的稀疏注意力機(jī)制》（Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention）的論文署名中，DeepSeek創(chuàng)始人梁文鋒也作為共創(chuàng)在列。

在論文中，DeepSeek團(tuán)隊(duì)表示，業(yè)界越來(lái)越認(rèn)識(shí)到長(zhǎng)上下文建模對(duì)于下一代大型語(yǔ)言模型的重要性，推動(dòng)這一需求的應(yīng)用包括深度推理、倉(cāng)庫(kù)級(jí)代碼生成和多輪自主代理系統(tǒng)。然而，隨著序列長(zhǎng)度的增加，標(biāo)準(zhǔn)注意力機(jī)制的高復(fù)雜度成為了關(guān)鍵的延遲瓶頸。

論文提到，理論估計(jì)表明，在使用softmax架構(gòu)（‌一種用于多分類問(wèn)題的神經(jīng)網(wǎng)絡(luò)架構(gòu)）時(shí)，注意力計(jì)算占解碼64k長(zhǎng)度上下文總延遲的70%-80%，這凸顯了對(duì)更高效注意力機(jī)制的迫切需求。

記者將這一論文提供給DeepSeek，并讓其評(píng)價(jià)對(duì)業(yè)界的影響與意義，DeepSeek稱，這一技術(shù)的核心價(jià)值在于平衡效率與性能，既降低計(jì)算成本，又保持甚至提升模型能力。對(duì)行業(yè)而言，NSA為處理長(zhǎng)上下文任務(wù)提供了一種高效的解決方案，有助于推動(dòng)更強(qiáng)大、更經(jīng)濟(jì)的語(yǔ)言模型的發(fā)展，尤其是在需要處理長(zhǎng)文本的應(yīng)用場(chǎng)景中。

NSA通過(guò)高效的長(zhǎng)序列處理能力，使模型能夠直接處理整本書(shū)籍、代碼倉(cāng)庫(kù)或多輪對(duì)話（如千輪客服場(chǎng)景），擴(kuò)展了大語(yǔ)言模型在文檔分析、代碼生成、復(fù)雜推理等領(lǐng)域的應(yīng)用邊界。例如，Gemini 1.5 Pro已展示長(zhǎng)上下文潛力，NSA可進(jìn)一步降低此類模型的訓(xùn)練與推理成本。

此外，DeepSeek提到，NSA能夠降低算力門(mén)檻與部署成本。端到端稀疏訓(xùn)練可以減少預(yù)訓(xùn)練所需的計(jì)算資源（如減少A100 GPU小時(shí)數(shù)），降低企業(yè)開(kāi)發(fā)大模型的資金與技術(shù)門(mén)檻。同時(shí)，可以加速推理，使長(zhǎng)文本生成（如代碼補(bǔ)全、故事續(xù)寫(xiě)）的實(shí)時(shí)性更高，適用于邊緣設(shè)備或低延遲場(chǎng)景。

一位X用戶在DeepSeek帖子下表示，“NSA 機(jī)制改變了游戲規(guī)則。超快速長(zhǎng)上下文訓(xùn)練對(duì)于擴(kuò)大教育領(lǐng)域 AI 至關(guān)重要，這與個(gè)性化學(xué)習(xí)愿景完美契合。”還有網(wǎng)友對(duì)此調(diào)侃“RIP Nvidia”。

自1月20日發(fā)布DeepSeek-R1并攪動(dòng)AI圈以來(lái)，DeepSeek方面一直較為低調(diào)，這是這么多天以來(lái)DeepSeek唯一發(fā)布的技術(shù)動(dòng)態(tài)。

“DeepSeek team is cooking! ”（DeepSeek 團(tuán)隊(duì)正在積極工作?。┯蠿網(wǎng)友表示。