Lighthouse Attention このアイデアはなかなか巧妙で、まず大まかに絞り込み、次に詳細に計算し、長いコンテキストもやっと無理に耐える必要がなくなった。

AIMPACTは、Nous Researchがオープンソース化した長いコンテキストの事前学習メカニズムであるLighthouse Attentionを称しています。単一GPU B200で512Kテキストを処理するのに約17倍の高速化、98Kの場合はエンドツーエンドで1.4〜1.7倍の速度向上を実現しています。このメカニズムは、粗いスクリーニングと精密な計算を行い、複数の階層の要約を通じてコア部分を抽出し、それらを短いテキストに結合してからFlashAttentionに渡します。スクリーニングのロジックはコアの外側にあり、低レベルのコードや追加の訓練目標を必要としません。モデルの逐語的な読解能力を失わないように、訓練時には高速モードで大部分を完了し、最後に短時間だけ全注意を再び適用します。5.3億パラメータ、500億トークンの実験では、処理時間が大幅に短縮され、最終的な性能は従来のベースラインと同等かそれを超えています。