夢晨 發(fā)自 凹非寺

　　量子位 | 公眾號 QbitAI

　　在ACL 2025的頒獎典禮上，由DeepSeek梁文鋒作為通訊作者、與北京大學等聯(lián)合發(fā)表的論文榮獲最佳論文獎。

　　這次ACL 2025規(guī)模空前，總投稿量達到8360篇，相較于去年的4407篇幾乎翻倍，競爭異常激烈 。

　　

 

　　簡單來說，他們提出的原生稀疏注意力(NSA)機制，通過算法與硬件的協(xié)同優(yōu)化，直接把長文本處理速度提升了11倍。更厲害的是，性能不僅沒降反而還超越了傳統(tǒng)的全注意力模型。

　　一作袁境陽在會上發(fā)表演講，透露這項技術可以把上下文長度擴展到1百萬tokens，將被應用到下一個前沿模型中。

　　結合論文發(fā)表于DeepSeek-R1推出之后，實驗設置中也提到使用了DeepSeek-R1的蒸餾數(shù)據(jù)來微調(diào)了新的模型。

　　大家紛紛猜測，這項技術將被用于下一代DeepSeek-V4以及DeepSeek-R2。

　　

 

　　給注意力機制瘦身，速度狂飆11倍

　　長久以來，大語言模型處理長文本就像是戴著鐐銬跳舞。傳統(tǒng)的全注意力機制計算復雜度隨序列長度呈平方級增長，處理64k長度的文本時，注意力計算竟然要占到總延遲的70-80%。

　　這篇論文的解決思路很巧妙：既然不是所有詞之間的關系都同等重要，為什么不讓模型學會”抓重點”呢?

　　NSA采用了一種動態(tài)分層的稀疏策略，通過三條并行的注意力分支協(xié)同工作：

　　壓縮注意力，負責捕捉粗粒度的全局信息模式，就像快速瀏覽全文抓住大意;

　　選擇性注意力，則專注于序列中最重要的詞塊，相當于精讀關鍵段落;

　　滑動注意力，負責獲取局部的上下文信息，確保細節(jié)不丟失。

　　

 

　　這種設計最精妙的地方在于，它不是簡單地丟棄信息，而是通過精心設計的算法平衡了計算密度。

　　更重要的是，整個架構針對現(xiàn)代GPU硬件進行了深度優(yōu)化，實現(xiàn)了端到端的原生可訓練模式。

　　

 

　　在實際測試中，處理64k長度序列時，NSA在解碼、前向傳播和反向傳播的全生命周期中都展現(xiàn)出驚人的速度優(yōu)勢。

　　解碼階段速度提升11.6倍，前向傳播提升9倍，反向傳播也有6倍的加速，無論是模型推理還是訓練，都能獲得實實在在的效率提升。

　　

 

　　不僅快還更準，長文本處理迎來新突破

　　速度快只是NSA的一面，更讓人驚訝的是它在各項基準測試中的表現(xiàn)。

　　在通用基準測試中，采用NSA預訓練的27B參數(shù)模型在9個評測指標中有7個超越了全注意力基線。特別是在推理相關的基準測試上，DROP提升了0.042，GSM8K提升了0.034，顯示出稀疏注意力在強制模型聚焦關鍵信息方面的獨特優(yōu)勢。

　　

 

　　長文本處理能力的測試結果更是亮眼。在64k上下文的”大海撈針”測試中，NSA在所有位置都實現(xiàn)了完美的檢索準確率。在LongBench基準測試上，NSA取得了0.469的平均分，不僅超越了全注意力基線(+0.032)，更是大幅領先其他稀疏注意力方法。

　　

 

　　特別值得一提的是，在需要復雜推理的多跳問答任務上，NSA相比全注意力分別提升了0.087(HPQ)和0.051(2Wiki);在代碼理解任務(LCC)上提升了0.069;在段落檢索任務(PassR-en)上提升了0.075。

　　

 

　　研究團隊還進行了一項有趣的實驗：

　　他們用DeepSeek-R1的數(shù)學推理數(shù)據(jù)對模型進行微調(diào)，然后在美國數(shù)學邀請賽(AIME 24)上測試。

　　結果顯示，NSA-R在8k上下文設置下的準確率達到0.121，而全注意力模型只有0.046;即使在16k上下文下，NSA-R仍然保持0.146的準確率，遠超全注意力的0.092。

　　

 

　　這些結果充分證明了NSA不是通過犧牲性能來換取速度，而是真正實現(xiàn)了效率和能力的雙贏。

　　Three More Thing

　　這次總共評選出4篇最佳論文，另外三篇包括：

　　北大團隊的《Language Models Resist Alignment: Evidence From Data Compression》

　　研究了大型語言模型的“彈性”，指模型經(jīng)過對齊訓練(讓模型符合人類價值觀、減少有害輸出)后，很容易因為后續(xù)的微調(diào)而變回預訓練時的狀態(tài)，就像彈簧被拉伸后會反彈一樣。

　　這意味著現(xiàn)有的對齊方法可能只是表面上改變了模型，不夠穩(wěn)固。未來需要更有效的對齊技術，才能讓模型真正穩(wěn)定地符合人類需求，尤其是在開源模型中，要避免惡意微調(diào)輕易破壞安全機制。

　　

 

　　斯坦福團隊的《Fairness through Difference Awareness: Measuring Desired Group Discrimination in LLMs》

　　研究了大模型“公平性” 上的一個新視角 “差異感知”。簡單來說，就是模型應該在合適的場景下對不同群體做出區(qū)分，而不是一味地 一視同仁。

　　研究發(fā)現(xiàn)那些在傳統(tǒng)公平性測試中表現(xiàn)好的模型，在 “差異感知” 上得分并不高;模型能力越強(比如 MMLU 分數(shù)越高)，情境感知能力越好，但差異感知能力未必提升;現(xiàn)有的 “去偏見” 方法(比如提示模型 “保持無偏見”)反而會讓模型更 無視差異，甚至把正確答案改錯。

　　

 

　　亥姆霍茲信息安全中心等團隊的《A Theory of Response Sampling in LLMs: Part Descriptive and Part Prescriptive》。

　　這篇論文指出大模型生成回答時的采樣機制與人類決策類似，包含描述性成分(反映概念的統(tǒng)計常態(tài))和規(guī)定性成分(隱含的概念理想狀態(tài))。

　　研究通過實驗驗證，無論是新創(chuàng)概念還是現(xiàn)有概念(涵蓋 10 個領域的 500 個概念)，LLMs 生成的樣本都會偏離統(tǒng)計平均值，向其認為的 “理想值” 偏移，且這種現(xiàn)象在 15 種不同模型中均顯著存在。案例研究顯示，這種偏向可能導致醫(yī)療等領域的有偏決策，引發(fā)倫理問題。

　　

 

　　DeepSeek論文地址：

　　https://arxiv.org/abs/2502.11089

　　參考鏈接：

　　[1]https://x.com/aclmeeting/status/1950572483637067786

　　[2]https://x.com/casper_hansen_/status/1950649481617342803