注意力瓶颈早已被优化
BlackHC · x · 2026-07-16
作者反驳“注意力机制很糟糕”的说法，指出：
- 原始注意力的二次复杂度是按上下文长度算的，不是按用户数算的
- 在 8k token 的聊天场景里，注意力大约只占一个 70B 模型 FLOPs 的 14%
- FlashAttention 早在 2022 年就把内存复杂度优化为线性
- 这已经是几乎所有 serving stack 的默认做法
他的意思是，相关工程问题早就被解决，不能拿旧假设当成现实。
所属事件:BlackHC反驳“AI最糟技术”论(5 条相关)→
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27