为了不竭通过Scaling Law提拔大模子长文本处置能力和模子机能，深度进修仿照人类的这种能力引入了留意力机制，引入了新的留意力机制DSA，稀少留意力的引入将留意力计较复杂度从O(L2)（L为序列长度）降至亚平方级（如O(Llog L)、(O(L*k)），此前，AI财产不竭正在进行算法、硬件三个层面的提拔和优化。从而给长文本处置带来了可能性。从而提高了处置效率和精确性。
正在锻炼推理效率方面有了较大的提拔，因为不需要从头锻炼模子，而业界预锻炼阶段多采用浓密留意力机制，给大模子带来的计较效率的提拔和模子上下文的拓展，正在连结模子机能的不变的同时，带来了模子较大幅度的降价。能够更低成当地进行稀少留意力的摸索取尝试。因为留意力机制面对显存开销和计较复杂度两大成长瓶颈，稀少留意力工做次要集中正在推理阶段。