2月18日，DeepSeek團(tuán)隊發(fā)布一篇論文介紹了新的注意力機制NSA（Natively Sparse Attention，原生稀疏注意力機制）。

NSA專為長文本訓(xùn)練與推理設(shè)計，能利用動態(tài)分層稀疏策略等方法，通過針對現(xiàn)代硬件的優(yōu)化設(shè)計，顯著優(yōu)化傳統(tǒng)AI模型在訓(xùn)練和推理過程中的表現(xiàn)，特別是提升長上下文的推理能力，在保證性能的同時提升了推理速度，并有效降低了預(yù)訓(xùn)練成本。

DeepSeek創(chuàng)始人梁文鋒現(xiàn)身論文著作者之中，在作者排名中位列倒數(shù)第二。

其他研究人員來自DeepSeek、北大和華盛頓大學(xué)，其中*作者Jingyang Yuan（袁景陽）是在DeepSeek實習(xí)期間完成的這項研究。

資料顯示，袁景陽目前為北京大學(xué)碩士研究生。他的研究領(lǐng)域包括大型語言模型（LLM）、人工智能在科學(xué)中的應(yīng)用（AI for Science）。他是DeepSeek-V3技術(shù)報告的主要作者之一，還參與了DeepSeek-R1項目，該項目旨在通過強化學(xué)習(xí)激勵大型語言模型的推理能力。

在論文中，DeepSeek團(tuán)隊表示，隨著大型語言模型的發(fā)展，長上下文建模變得越來越重要，但傳統(tǒng)注意力機制的計算復(fù)雜度隨著序列長度的增加而呈平方級增長，成為制約模型發(fā)展的關(guān)鍵瓶頸。

NSA便是為高效處理長上下文任務(wù)而生的一種技術(shù)路徑，其核心創(chuàng)新在于：

1）動態(tài)分層稀疏策略：結(jié)合粗粒度的Token壓縮和細(xì)粒度的Token選擇，既保證全局上下文感知，又兼顧局部信息的精確性。

2）硬件對齊與端到端訓(xùn)練：通過算術(shù)強度平衡的算法設(shè)計和硬件優(yōu)化，顯著提升計算速度，同時支持端到端訓(xùn)練，減少預(yù)訓(xùn)練計算量。

實驗表明，NSA不僅在通用任務(wù)和長上下文任務(wù)中表現(xiàn)出色，還在鏈?zhǔn)酵评淼葟?fù)雜任務(wù)中展現(xiàn)了強大的潛力，且推理速度加快。在通用基準(zhǔn)測試、長文本處理以及基于指令的推理任務(wù)中，NSA的表現(xiàn)均能達(dá)到甚至超越傳統(tǒng)全注意力（Full Attention）模型的水平，其以性價比極高的方式，罕見地在訓(xùn)練階段應(yīng)用稀疏性，在訓(xùn)推場景中均實現(xiàn)速度的明顯提升，特別是在解碼階段實現(xiàn)了高達(dá)11.6倍的提升。

通過高效的長序列處理能力，NSA使模型能夠直接處理整本書籍、代碼倉庫或多輪對話（如千輪客服場景），擴(kuò)展了大語言模型在文檔分析、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。