MInference：加速长文本处理的动态稀疏注意力技术

微软和萨里大学的研究团队提出了一项创新技术——MInference，该技术显著加速了长上下文大型语言模型的处理速度，使得在单个GPU上处理超百万token的文本速度提升10倍。MInference通过动态稀疏注意力机制减少预填充延迟，无需改动模型训练设置，且在多项任务中保持高准确性，为长文本处理开辟了新途径。
来源：https://mp.weixin.qq.com/s/aeGqsPIKnnNZEW-i02TcMw