稀疏计算

微软的这项研究让开发者可以在单卡机器上以 10 倍的速度处理超过 1m 的输入文本。 大型语言模型 (LLM) 已进入长上下文处理时代，其支持的上下文窗口从先前的 128K 猛增到 10M token 级别。 然而，由于注意力机制的二次复杂度，模型处理输入提示（即预填充阶段）并开始产生第一个 tok…