HyperAttention

本文介绍了一项类似注意力机制新研究，耶鲁大学、谷歌研究院等机构提出了 HyperAttention，使 ChatGLM2 在 32k 上下文长度上的推理时候快了 50%。Transformer 已经成功应用于自然语言处理、盘算机视觉和时候序列预测等领域的各种学习使命。虽然取得了成功，但这些模型仍面临着严重的可扩展性限制，原因是对其注意力层的精确盘算导致了二次（在序列长度上）运转时和内存复杂性。这对…