Видео с ютуба Sparse Attention

Объяснение принципа разреженного внимания DeepSeek: на 80% дешевле ИИ с длинным контекстом

Как внимание стало настолько эффективным [GQA/MLA/DSA]

013 Sparse Attention | LLM concepts under 60 seconds | Mechanisms and Techniques

Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

Lecture: GPT-3 and Sparse Attention

Is Sparse Attention more Interpretable?

Почему LLM-ы с длинным контекстом замедляют работу (и как это исправить при использовании метода ...

LLM - Dense vs Sparse Attention Explained

#280 Нативная рассеянность внимания от DeepSeek

Attention in transformers, step-by-step | Deep Learning Chapter 6

Flash Attention против Sparse Attention

MiniMax Sparse Attention: ускорение LLM с ультрадлинным контекстом на порядки

Memory Sparse Attention for Human-Scale AI Lifelong Memory

How DeepSeek Rewrote the Transformer [MLA]

NEW DeepSeek Sparse Attention Explained - DeepSeek V3.2-Exp

Секрет DeepSeek V4: на 98% меньше памяти.

How to Implement Deepseek Sparse Attention

L49: Sparse block attention | efficient multi-head strategies for long-range dependencies

BigBird Research Ep. 3 - Block Sparse Attention, ITC vs. ETC