ACL2025最佳论文奖授予DeepSeek的下一代技术，显著增强长文本处理，效率激增11倍！
发布时间：2025-07-31 10:18:46 | 责任编辑：吴昊 | 浏览量：14 次
《ACL2025最佳论文奖授予DeepSeek的下一代技术，显著增强长文本处理，效率激增11倍！》相关软件官网
DeepSeek在刚刚结束的 ACL2025颁奖典礼上，由 DeepSeek 的梁文锋博士作为通讯作者，与北京大学等机构联合发表的研究论文荣获最佳论文奖。这次会议规模空前，投稿数量几乎翻倍，达到了8360篇，竞争之激烈可见一斑。
该论文提出了一种名为原生稀疏注意力（NSA）的新机制，能在算法与硬件的协同优化下，将长文本的处理速度提升至惊人的11倍。而更为振奋的是，这项技术的性能不仅提升，反而超越了传统的全注意力模型。通过这项技术，研究团队成功将上下文长度扩展到了惊人的100万 tokens，这为未来的前沿模型奠定了基础。
NSA 机制的核心在于通过动态分层的稀疏策略，结合三条并行的注意力分支，有效捕捉文本中的重要信息。首先是 “压缩注意力”，负责提炼全局信息;其次是 “选择性注意力”，聚焦于重要的词块;最后是 “滑动注意力”，确保局部上下文的完整性。这种设计不仅让模型更为灵活，同时在现代 GPU 硬件上进行了深度优化，实现了原生可训练模式。
在测试中，NSA 在处理64k 长度的文本时，解码阶段速度提升了11.6倍，前向传播和反向传播速度分别提升了9倍和6倍。更重要的是，NSA 在各种基准测试中表现优异，27B 参数的模型在9个评测指标中有7个超越了全注意力基线，特别是在多跳问答和代码理解等复杂任务中展现了明显的优势。
这项研究为长文本处理开辟了新的可能性，真正实现了速度与精度的双赢，证明了 NSA 机制在 AI 领域的广泛应用前景。
论文地址:https://arxiv.org/pdf/2502.11089
在 ACL 2025 颁奖典礼上，由 DeepSeek 梁文锋作为通讯作者、与北京大学等机构联合发表的论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》荣获最佳论文奖。该论文提出原生稀疏注意力（NSA）机制，通过算法与硬件协同优化，将长文本处理速度提升最多 11 倍，且性能超越传统全注意力模型。NSA 采用动态分层稀疏策略，结合压缩注意力、选择性注意力和滑动注意力三条并行分支，针对现代 GPU 硬件深度优化，实现了端到端的原生可训练模式，可将上下文长度扩展到 100 万 tokens。一作袁境阳透露，该技术将被应用到下一代 DeepSeek-V4 及 DeepSeek-R2 中。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
