梁文鋒親自參與！DeepSeek發最新論文迎戰Grok-3 專家：給開源AI研究帶來最新貢獻

馬斯克周二 (18 日) 發表 Grok-3，號稱「地球上最聰明 AI」，而近期爆紅的 DeepSeek 也沒閒著，在當天發表名為《Native Sparse Attention： Hardware-Aligned and Natively Trainable Sparse Attention》的一項重要論文，介紹一種新的稀疏注意力機制(Natively Sparse Attention，NSA)，用於提升長文本訓練和推理的效率，並具備硬體對齊和端到端訓練的特性。

簡單來說，就是教會 AI「一目十行」。這項技術有望大幅提升下一代大語言模型 (LLM)，處理長文本的能力，同時還能兼顧效率，可謂是 AI 大模型，里程碑式的進展。

截至周三 (19 日) 下午，這篇推文在 X 上已有超過 180 萬觀看量，且值得一提的是，DeepSeek 創辦人梁文鋒也出現在這篇論文的作者名單中，但在作者排名中只排倒數第二，這意味著他或許只是專案管理者。

這篇論文的第一作者名叫袁景陽 (Jingyang Yuan)，是在 DeepSeek 實習期間，完成這篇論文。他目前是北京大學碩士研究生，研究領域包括 LLM、人工智慧在科學中的應用 (AI for Science)。

第二作者是高華佐 (Huazuo Gao)，來自廣東，2012 年在華南師範大學附屬中學就讀，就曾獲第 29 屆全國中學生物理競賽一等獎，次年保送至北京大學物理學院。

第三作者是代達劢 (Damai Dai)，畢業於重慶市巴蜀中學，高考 697 分進入北京大學，去年博士畢業後加入 DeepSeek，全程參與從 DeepSeek v1 到 v3 的研發。

第四作者為曾旺丁 (Wangding Zeng)，2017 年至 2023 年就讀於北京郵電大學人工智慧學院，碩士期間主要學習人工智慧方向，導師為張洪剛，2018 年曾獲全國大學生數學競賽（非數學類）二等獎。

這次 DeepSeek 團隊推出的 NSA 就是為了解決現有稀疏注意力機制的缺點，提高計算效率。

傳統的 Transformer 非常耗記憶體，輸入越長，計算成本就越高，計算複雜度也會隨著序列長度的增加而呈平方級增長，計算成本高昂且延遲大，這便成為 LLM 發展的瓶頸。

如今，有了 DeepSeek 的 NSA，在處理 64k 長度的序列時，在解碼、前向傳播和反向傳播等各個階段都實現了顯著的速度提升，最高可達 11.6 倍。

此外，Deepseek 研究人員還將 NSA 與 FA2 內核進行比較，實證結果顯示 NSA 在前向和後向時間上的執行速度分別快了 9 倍 / 6 倍。

NSA 還支援端到端可訓練稀疏模式，減少預訓練成本。它需要相對較少的 token 來理解事物，這就意味著訓練成本大幅下滑。

業內人士表示，DeepSeek 這篇 NSA 機制的論文內容詳實，涉及的技術細節闡釋清晰，可操作性強，是 DeepSeek 給開源 AI 研究貢獻的最新成果。