长文本处理的新突破：deepseek 的 nsa 原生稀疏注意力机制
最近，DeepSeek 在提升大语言模型处理长文本的能力上取得了重大进展。
传统模型在处理长篇小说或庞大代码库时，常因计算量巨大而出现卡顿。
DeepSeek 推出的 NSA（原生稀疏注意力机制）就像为模型配备了“智能滤网”，不仅能捕捉到关键信息，还大大减轻了计算负担，使速度提升了 11.6 倍。
一、问题：为何长文本处理如此费力？传统的注意力机制（Full Attention）要求模型在处理每个词时，都要与之前的所有词进行关联计算。
想象一下，如果一篇文章有 6 万个词，模型需要进行近 36 亿次计算！这种“全员参与”的模式虽然全面，但效率极低。特别是在实际应用中，解码一段长文本可能有 70%的时间用于注意力计算（图 1 右）。
▲ 图 1 | 左：NSA 在各项任务中的表现不逊于全注意力模型；右：处理 6.4 万长度文本时，NSA 解码速度提升 11.6 倍。▲ 图 1 | 左：NSA 在各项任务中的表现不逊于全注意力模型；右：处理 6.4 万长度文本时，NSA 解码速度提升 11.6 倍。
二、解决方案：模仿人类阅读的“抓重点”方式人类在阅读长文时会自然跳过不相关的段落，只关注关键部分。
NSA 模仿这一机制，设计了三层注意力筛选网络（图 2）：
- 压缩层：将每 32 个词压缩成一个“段落梗概”2. 精选层：动态筛选出 64 个最重要的词块3. 滑动窗：始终关注最近的 512 个词，以防止漏掉局部信息
▲ 图 2 | 三种注意力模式分工合作，绿色区域代表实际计算部分▲ 图 2 | 三种注意力模式分工合作，绿色区域代表实际计算部分
这种设计使得计算量大幅减少——原本需要处理 6 万个词，现在只需关注约 5 千个关键点，同时通过硬件级优化（如连续内存读取、Tensor Core 加速），让理论上的速度提升得以实现。
三、实际表现：速度与智能兼具的“双料冠军”DeepSeek 在 270 亿参数模型上进行了全面测试：
• 常规任务：在数学推理（GSM8K）、代码生成（HumanEval）等 9 项测试中，NSA 在 7 项中领先。• 长文本检索：在 6.4 万字的“大海捞针”测试中，NSA 实现了 100% 的准确率（图 5）
▲ 图 5 | 64k 上下文长度的上下文位置上的“大海捞针”检索准确率▲ 图 5 | 64k 上下文长度的上下文位置上的“大海捞针”检索准确率
• 推理能力：经过专项训练后，NSA 在解决美国数学竞赛题的正确率上比传统模型高出 60%更重要的是速度优势：
• 训练提速：处理 6.4 万长度文本时，前向计算提速 9 倍，反向传播提速 6 倍• 解码飞跃：生成相同内容时，内存读取量减少 90%，实际响应速度提升 11.6 倍四、创新突破：从“事后补救”到“原生设计”现有方案多在模型训练完成后才启用稀疏计算，相当于给已建好的房子拆墙开窗。
而 NSA 从一开始就让模型学习如何高效分配注意力：
• 硬件对齐：像拼乐高一样设计计算模块，完美匹配 GPU 的 Tensor Core 特性• 动态学习：每个词块的筛选标准由模型自主调整，确保重要信息不会遗漏• 端到端训练：支持从预训练到微调的全流程，避免后期的“水土不服”五、应用前景：这项技术能做什么？试想以下场景：
• 程序员上传整个项目代码，AI 能在秒级内理解架构并生成新功能• 上传上百页的 PDF，AI 可以快速提取关键信息• 游戏 NPC 能够记住玩家上千条对话历史，并做出连贯反应NSA 已在这些方向上初步验证成功（表 2）
▲ 表 2 | NSA 与 LongBench 上的基线之间的性能比较▲ 表 2 | NSA 与 LongBench 上的基线之间的性能比较
未来，NSA 可能成为处理长文本的“标准配置”技术，让大模型真正突破上下文长度的限制。
