CoWA répartit l’accès à l’historique causal entre les têtes KV pour alléger l’attention
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
Selon les auteurs, à 128 000 tokens avec le parallélisme tensoriel, CoWA réduit la latence d’entraînement de 7,4× (passe avant) et 8,6× (passe arrière), et celle du décodage de 3,0×, par rapport à l’attention complète FullAttn.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJingze Shi, Zhangyang Peng, Xianduo Li et al.huggingface.co
CoWindow Attention: Full Causal Coverage Is a Collective Property (site externe)
FullAttn repeatedly exposes the complete causal history to every attention head, creating substantial redundant computation and memory traffic even with IO-efficient dense kernels.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5