RBS-Attention：长上下文稀疏预填充加速
原文标题：RBS-Attention: Radius-Bounded Sparse Prefill for Long-Context Large Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对长上下文 LLM 推理中预填充瓶颈，论文提出免训练的稀疏预填充方法 RBS-Attention，用质心基分支与救援分支双路选择缓解「均值稀释」问题。在 H100 上实现 20.65 倍独立预填充注意力加速、11.92 倍 vLLM 加速，128K 下首 token 端到端加速 5.97 倍，精度接近稠密注意力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
免训练稀疏预填充 RBS-Attention 在 H100 上实现 20.65 倍独立预填充注意力加速，精度接近稠密。
- •针对长上下文预填充瓶颈，提出免训练稀疏预填充方法，双分支选择缓解「均值稀释」
- •质心基分支捕捉平均相关性，救援分支用最大 key 块半径识别被低估的块
- •H100 上 20.65 倍独立预填充注意力加速、11.92 倍 vLLM 加速
- •128K 下 Qwen3-30B-A3B 首 token 端到端加速 5.97 倍
- •稠密 Qwen3-32B 上 RULER 总体准确率 88.65，对比稠密注意力 89.52
为什么重要：长上下文推理的成本主要卡在预填充，免训练即可接入且精度损失很小，对推理服务部署方是可直接评估的加速方案。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 据悉计划采购谷歌 TPU 芯片，降低对英伟达依赖
AI 摘要据报道，OpenAI 正计划采购谷歌自研的张量处理单元（TPU），以扩大算力规模并实现芯片供应多元化，双方尚未敲定最终条款。OpenAI 同时在推进与博通合作、代号 Jalapeno 的自研 AI 芯片。若交易落地，将直接冲击英伟达在 AI 加速芯片市场的主导地位，并重塑云厂商与大模型公司的算力供应格局。
阿联酋因伊朗袭击调整 5GW AI 数据中心计划
AI 摘要据路透社报道，在遭受伊朗袭击后，阿联酋修订了其 5GW AI 数据中心建设计划。该事件凸显地缘政治冲突对中东地区大规模 AI 基础设施投资的直接冲击，可能影响全球算力布局与供应链。
英伟达预计单季营收达1080亿美元
AI 摘要英伟达预测未来几个月内营收将达到1080亿美元，有望成为继亚马逊、苹果和Alphabet之后又一家季度营收超千亿美元的公司。其数据中心营收同比增长一倍以上，利润也大幅增长。
英伟达公布 OOI 共封装光学技术，原型样品已到位
AI 摘要英伟达在 SEMICON West 2026 上展示下一代共封装光学方案 OOI（Optics-on-Interposer），用大面积硅中介层取代有机封装基板，把光引擎直接集成到承载 GPU 的中介层上。该方案旨在为超大规模 AI 集群提供更高带宽互联，目前仍处研究阶段，无商业化时间表。