MoBA 华尔街见闻华尔街见闻官方账号02.1911:18
[size=0.24][url=][size=0.2][/url]
Kimi联合清华和浙大推出的稀疏注意力技术MoBA，在长文本处理任务中可以保持相近性能的同时，将注意力计算的时间和内存消耗显著降低。特别是在处理超长文本（如1000万token）时，MoBA的优势更加明显，可以实现16倍以上的加速。 周二，当全球目光聚焦于马斯克Grok-3的庞大GPU集群时，中国大模型公司正在技术创新的道路上默默加速。 先是DeepSeek提出了原生稀疏注意力（Native Sparse Attention, NSA）机制。这项梁文锋亲自参与的研究成果，结合了算法创新和硬件优化，旨在解决长上下文建模中的计算瓶颈。 NSA不仅能将大语言模型处理64k长文本的速度最高提升11.6倍，更在通用基准测试中实现了对传统全注意力模型的性能反超。这一突破表明，通过算法和硬件层面的协同创新，可以在不牺牲模型性能的前提下，显著提升长文本处理效率。 紧随DeepSeek的步伐，Kimi也迅速推出了自家的稀疏注意力技术——MoBA（Mixture of Block Attention）。 据这份由月之暗面、清华大学和浙江大学的研究人员共同发布的技术报告《MOBA: MIXTURE OF BLOCK ATTENTION FOR LONG-CONTEXT LLMS》，MoBA的设计理念是将全上下文划分为多个块，每个查询令牌（query token）学习关注最相关的键值（KV）块，从而实现对长序列的高效处理。 与DeepSeek创始人梁文锋参与著作一样，月之暗面创始人杨植麟的名字也出现这篇论文的作者栏里。 [url=] [/url]据论文介绍，在各种长文本处理任务中，采用MoBA技术的模型可以在保持相近性能的同时，将注意力计算的时间和内存消耗显著降低。在1M token的测试中，MoBA比全注意力快了6.5倍，在处理超长文本（如1000万token）时，MoBA的优势更加明显，可以实现16倍以上的加速。 MoBA已经部署于支持Kimi的长上下文请求处理，并在大语言模型的高效注意力计算方面取得了显著进展。更值得一提的是，MoBA可以轻松地集成到现有的 LLMs 中，而无需进行大量的训练。 MoBA：基于块的稀疏注意力 为了实现人工通用智能（AGI），LLMs需要能够处理长文本序列，这对于历史数据分析、复杂推理和决策等任务至关重要。 而传统的自注意力机制计算复杂度呈二次增长，限制了LLMs处理长文本的能力。现有的解决方案要么引入了强偏见的结构（如滑动窗口注意力），要么对注意力机制进行了线性近似，这些方法在复杂推理任务中的表现尚未得到充分验证。 MOBA技术的核心思想是将传统Transformer模型中的全局注意力机制改造为基于块的稀疏注意力。具体来说，MOBA将输入序列划分为多个块，然后对每个查询token动态选择最相关的几个块进行注意力计算，而不是像传统方法那样对所有token都进行计算。 [url=] [/url]这种方法既保留了原始Transformer的强大表达能力，又显著降低了计算复杂度，特别适合处理超长文本输入。 MoBA的核心创新点包括： 可训练的块稀疏注意力： 全上下文被划分为多个块，每个查询令牌学习关注最相关的KV块，实现长序列的高效处理。 无参数门控机制： 引入了一种新颖的无参数top-k门控机制，为每个查询令牌选择最相关的块，确保模型只关注信息量最大的部分。 全注意力和稀疏注意力之间的无缝切换： MoBA被设计为全注意力的灵活替代品，允许在全注意力和稀疏注意力模式之间无缝切换。
在处理超长文本时，MoBA可以实现16倍以上的加速 在各种长文本处理任务中，采用MoBA技术的模型可以在保持相近性能的同时，将注意力计算的时间和内存消耗显著降低。在1M token的测试中，MoBA比全注意力快了6.5倍，在处理超长文本（如1000万token）时，MoBA的优势更加明显，可以实现16倍以上的加速。 Kimi 团队在多个方面对 MoBA 进行了实验验证： 缩放定律实验（Scaling Law Experiments）： 实验表明，尽管 MoBA 的注意力模式稀疏度高达 81.25%，但其在语言模型损失方面的表现与全注意力相当。 长文本缩放能力（Long Context Scalability）： 通过增加序列长度到 32K，MoBA 的稀疏度进一步提高到 95.31%。实验表明，MoBA 在处理长文本时，其性能与全注意力之间的差距逐渐缩小。 细粒度块分割消融研究（Ablation Study on Fine-Grained Block Segmentation）： 实验表明，更细粒度的块分割可以进一步提高 MoBA 的性能。 [color=rgb(136, 136, 136) !important][url=] [/url]MoBA 与全注意力的混合训练（Hybrid of MoBA and Full Attention）： 实验表明，通过混合使用 MoBA 和全注意力进行训练，可以在训练效率和模型性能之间取得平衡。 [color=rgb(136, 136, 136) !important][url=] [/url]大型语言模型评估（Large Language Modeling Evaluation）： 在多个真实世界的下游任务中，MoBA 的表现与全注意力模型相当，甚至在某些任务上略有优势。 [color=rgb(136, 136, 136) !important][url=] [/url]效率和可扩展性（Efficiency and Scalability）： 实验表明，MoBA 在处理长序列时比全注意力更高效，计算复杂度为亚平方级。在1M token的测试中，MoBA比全注意力快了6.5倍，在处理 1000 万 token 的序列时，MoBA 的注意力计算时间减少了 16 倍。
| 
发表于 
发表于 