MALA, une primitive d’attention fusionnée, alloue le calcul après le score selon la contribution normalisée
1 sourcemis à jour 29 sept.pertinence 3,5 sur5
L’essentiel
Selon ses mesures, à 128K tokens, MALA divise par 2,2 et 3,0 les latences avant et arrière à l’entraînement et par 1,6 celle du décodage face à FullAttn. Ses modèles de 14 milliards de paramètres restent comparables en scores.
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
MassAlloc Attention: Let Attention Allocate Its Own Compute (site externe)
FullAttn often assigns negligible normalized mass to much of the causal score space, yet dense kernels execute the complete post-score path after forming each QK tile.
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