面向Agent時(shí)代！小米MiMo推出HySparse混合稀疏注意力架構(gòu)

智東西
作者 王涵
編輯 漠影

智東西2月7日?qǐng)?bào)道，昨天，小米MiMo大模型團(tuán)隊(duì)宣布推出HySparse，一種面向Agent時(shí)代的混合稀疏注意力架構(gòu)，使用“極少的全注意力（Full Attention）+ 稀疏注意力（Sparse Attention）”核心設(shè)計(jì)。

隨著Agent模型與應(yīng)用的爆發(fā)式發(fā)展，精準(zhǔn)高效處理超長文本正在成為模型必不可少的基礎(chǔ)能力。Agent不僅需要在超長上下文中完成穩(wěn)定檢索、推理與多輪規(guī)劃，還必須在推理階段保持足夠快的響應(yīng)速度，目前最大的挑戰(zhàn)已經(jīng)不只是“能不能算”，而是“算不算得起”。

為此，小米MiMo提出了HySparse架構(gòu)。在多項(xiàng)通用、數(shù)學(xué)、代碼和中文評(píng)測中，HySparse在7B Dense和80B MoE兩種規(guī)模均帶來提升。

其中，在總共49層的80B-A3B MoE模型實(shí)驗(yàn)中，HySparse僅保留5層Full Attention仍能保持或提升模型能力，KV Cache存儲(chǔ)降低至原來的1/11，實(shí)現(xiàn)效果與效率的兼顧。

RULER長文測試表明，HySparse即便將Full Attention層壓到極少，也能穩(wěn)定保持長距離關(guān)鍵信息訪問，展現(xiàn)了其混合稀疏結(jié)構(gòu)的優(yōu)勢(shì)。

HySparse采用hybrid block結(jié)構(gòu)：每個(gè)hybrid block由1層Full Attention+N層Sparse Attention組成。Hybrid block內(nèi)部的Sparse Attention層并不再獨(dú)立做token選擇和維護(hù)全量KV，而是直接復(fù)用前置Full Attention層產(chǎn)生的重要token索引和KV Cache。

這背后的動(dòng)機(jī)是Full Attention在完成自身計(jì)算的同時(shí)，已經(jīng)生成了KV Cache，并且計(jì)算出了最準(zhǔn)確的 token重要性信息，自然可以供后續(xù)N個(gè)Sparse Attention層直接復(fù)用。

HySparse可以視為是在MiMo-V2-Flash的Hybrid SWA結(jié)構(gòu)的基礎(chǔ)上，為SWA增加了全局的、更重要的token信息補(bǔ)充。這一改進(jìn)不僅提升了性能，還沒有增加KV Cache存儲(chǔ)，也沒有顯著增加計(jì)算開銷。

HySparse結(jié)構(gòu)為Agent時(shí)代的超長文本處理提供了高效精準(zhǔn)的技術(shù)解決方案，也為大模型高效注意力結(jié)構(gòu)的研究與落地提供了全新參考。

小米MiMo透露，團(tuán)隊(duì)計(jì)劃在更大規(guī)模模型上進(jìn)一步驗(yàn)證HySparse的極限和潛力，并持續(xù)探索降低Full Attention層數(shù)量的可能性，讓超長上下文更高效。