Видео с ютуба Native Sparse Attention

#280 Нативная рассеянность внимания от DeepSeek

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

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

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

Is Sparse Attention more Interpretable?

[Разреженное внимание] Объяснение нативного разреженного внимания (NSA): эффективное моделировани...

Занятие 20 из учебной группы по производительности машинного обучения: Нативная разреженная струк...

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

Native Sparse Attention Hardware Aligned and Natively Trainable Sparse Attention

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

[Paper Review] Native Sparse Attention

Native Sparse Attention- Hardware-Aligned and Natively Trainable Sparse Attention（DeepSeek 2025）

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

What is Native Sparse Attention?

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

Sparse Attention Does Not Shrink the KV Cache

How DeepSeek Rewrote the Transformer [MLA]

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

2502.11089 - Native Sparse Attention: Hardware Aligned and Natively Trainable Sparse Attention

Native Sparse Attention Boosts Speed by 6x: Long Text Processing with Large Language Models