Lighthouse Attention esta abordagem é bastante inteligente, primeiro uma triagem grosseira e depois uma análise detalhada, textos longos finalmente não precisam mais ser mastigados à força

AIMPACT afirma que o mecanismo de pré-treinamento de contexto longo de código aberto Lighthouse Attention, desenvolvido pela Nous Research. Com uma única GPU B200, processa aproximadamente 17 vezes mais rápido textos de 512K, e com 98K, acelera o processamento de ponta a ponta em 1,4 a 1,7 vezes. Este mecanismo realiza uma triagem inicial grosseira seguida de uma análise detalhada, filtrando os fragmentos essenciais através de múltiplos níveis de resumo e combinando-os em textos curtos, que são então processados pelo FlashAttention; a lógica de triagem está fora do núcleo, eliminando a necessidade de código de baixo nível e objetivos de treinamento adicionais. Para evitar que o salto de leitura do modelo prejudique a capacidade de leitura palavra por palavra, durante o treinamento, a maior parte do processamento é feita em modo acelerado, retornando ao modo de atenção total por um curto período no final. Em experimentos com 530 milhões de parâmetros e 50 bilhões de tokens, o tempo de processamento diminuiu significativamente e o desempenho final foi comparável ou até superior ao de métodos tradicionais.