[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,98 +2,178 @@
|
||||
id: wiki-2026-0508-sparse-attention
|
||||
title: Sparse Attention
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-SATT-001]
|
||||
aliases: [Sparse Self-Attention, Local Attention, Efficient Attention]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [auto-reinforced, sparse-attention, dsa, attention-complexity, efficiency, deepseek]
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [transformer, attention, long-context, efficient-llm, sparse]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-04
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
language: Python
|
||||
framework: PyTorch/FlashAttention
|
||||
---
|
||||
|
||||
# [[Sparse Attention|Sparse Attention]]
|
||||
# Sparse Attention
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지능의 선택과 집중: 모든 토큰을 전부 비교하는 낭비를 버리고, 맥락상 가장 중요한 핵심 토큰들만 골라내는 '희소한 연결'을 통해 연산 복잡도를 $O(n^2)$에서 $O(n)$ 수준으로 낮춘 효율적 지능의 표본."
|
||||
## 매 한 줄
|
||||
> **"매 O(n²) attention 의 O(n·k) 의 reduce — token pair 의 subset 만 compute"**. Sparse attention 매 long-context Transformer 의 enabler, sliding-window + global tokens (Longformer) 매 base, BigBird/LongNet 매 random + dilated. 매 2026 매 native sparse (DeepSeek NSA, MoBA) + SSM hybrid (Mamba2) + FlashAttention-3 sparse mask 매 production.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
Sparse Attention은 모든 토큰 간의 상관관계를 계산하는 대신, 특정 패턴이나 중요도에 따라 일부 토큰들만 선택적으로 참조함으로써 연산 및 메모리 비용을 획기적으로 줄이는 기술입니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **기본 패턴**:
|
||||
* **Sliding Window**: 인접한 토큰들(로컬 문맥)에만 집중합니다.
|
||||
* **Global Tokens**: 중요한 위치(문장 시작 등)의 토큰을 전체가 공유하여 조망합니다.
|
||||
* **Random/Fixed Patterns**: 사전에 정의된 규칙이나 무작위 연결을 통해 장거리 의존성을 보완합니다.
|
||||
2. **DSA (DeepSeek Sparse Attention)**:
|
||||
* **Indexer-Selector 메커니즘**: 단순히 고정된 위치를 보는 것이 아니라, '인덱서'가 관련 있는 토큰을 먼저 찾고 '셀렉터'가 그 하위 집합에 대해서만 어텐션을 수행합니다.
|
||||
* **의의**: 정확도 손실을 최소화하면서 100만 토큰 이상의 초장거리 컨텍스트를 스케일링할 수 있게 합니다.
|
||||
3. **장점**:
|
||||
* 시퀀스 길이에 따른 연산량 증가를 선형($O(n)$)으로 억제하여 대규모 데이터 처리가 가능해집니다.
|
||||
* KV 캐시의 메모리 압박을 줄여 추론 효율성을 높입니다.
|
||||
### 매 sparsity pattern
|
||||
- **Sliding window**: 매 ±w tokens. Local context. (Longformer, Mistral SWA).
|
||||
- **Global tokens**: 매 [CLS] + 특정 token 매 모든 token 의 attend.
|
||||
- **Dilated**: 매 stride k. Long-range w/o full O(n²).
|
||||
- **Random**: 매 random k tokens. BigBird 의 component.
|
||||
- **Block sparse**: 매 block-diagonal + selected blocks. FlashAttention 친화.
|
||||
- **Learned/adaptive**: 매 routing network 의 어디 sparse 의 decide (NSA, MoBA 2025).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **정보 손실 위험**: 중요한 토큰을 놓칠 경우 모델의 추론 능력이 저하될 수 있습니다(Lost in the middle 현상 등). 이를 방지하기 위한 정교한 하이브리드 아키텍처(예: Gemma 4의 Local-Global 교차 방식)가 요구됩니다.
|
||||
* **구현 복잡성**: 표준 Dense Attention에 비해 인덱싱, 선택 로직 등 아키텍처가 복잡하여 시스템 통합 및 최적화에 높은 기술력이 필요합니다.
|
||||
### 매 historical landmarks
|
||||
- **Sparse Transformer** (OpenAI 2019): factorized attention.
|
||||
- **Longformer** (AllenAI 2020): SWA + global. 4k→16k+ tokens.
|
||||
- **BigBird** (Google 2020): random + window + global. Theoretically 의 full-attn approximate.
|
||||
- **LongNet** (Microsoft 2023): dilated → 1B token claim.
|
||||
- **NSA** (DeepSeek 2025): native sparse 매 pretraining.
|
||||
- **MoBA** (Moonshot 2025): mixture-of-block-attention, hierarchical sparsity.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
* **상위 개념**: [[Attention Mechanisms|Attention Mechanisms]], [[LLM Inference Optimization|LLM Inference Optimization]]
|
||||
* **비교 기술**: [[Flash Attention|Flash Attention]] (I/O 최적화 vs 연산 횟수 최적화)
|
||||
* **연관 기술**: [[Sliding Window Attention|Sliding Window Attention]], [[Mixture of Experts (MoE)|Mixture of Experts (MoE)]], [[KV Cache|KV Cache]]
|
||||
### 매 응용
|
||||
1. Long-document QA / summarization.
|
||||
2. Code-base wide LLM analysis (Claude 1M context).
|
||||
3. Genomics / DNA Transformer.
|
||||
4. Video Transformer (frames as tokens).
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
## 💻 패턴
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### Sliding window mask
|
||||
```python
|
||||
import torch
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
def sliding_window_mask(n: int, w: int, device='cuda') -> torch.Tensor:
|
||||
"""Boolean mask: True = allow attention."""
|
||||
idx = torch.arange(n, device=device)
|
||||
diff = idx.unsqueeze(0) - idx.unsqueeze(1)
|
||||
return diff.abs() <= w
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### Longformer-style (SWA + global)
|
||||
```python
|
||||
def longformer_mask(n: int, w: int, global_idx: list[int], device='cuda'):
|
||||
mask = sliding_window_mask(n, w, device)
|
||||
g = torch.zeros(n, dtype=torch.bool, device=device)
|
||||
g[global_idx] = True
|
||||
# global attends to all + all attend to global
|
||||
mask = mask | g.unsqueeze(0) | g.unsqueeze(1)
|
||||
return mask
|
||||
```
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### BigBird random component
|
||||
```python
|
||||
def random_attention_mask(n: int, k: int, device='cuda') -> torch.Tensor:
|
||||
"""Each token attends to k random others."""
|
||||
mask = torch.zeros(n, n, dtype=torch.bool, device=device)
|
||||
for i in range(n):
|
||||
idx = torch.randperm(n, device=device)[:k]
|
||||
mask[i, idx] = True
|
||||
return mask
|
||||
```
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### FlashAttention-2/3 with custom mask
|
||||
```python
|
||||
from flash_attn import flash_attn_func
|
||||
# (b, s, h, d) — fp16/bf16
|
||||
# FA-3 supports block-sparse mask via mask_mod (PyTorch 2.5+ FlexAttention)
|
||||
out = flash_attn_func(q, k, v, causal=True, window_size=(512, 0))
|
||||
# window_size=(left, right) — Mistral-style SWA
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
### FlexAttention (PyTorch 2.5+)
|
||||
```python
|
||||
from torch.nn.attention.flex_attention import flex_attention, create_block_mask
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
def sliding_window(b, h, q_idx, kv_idx):
|
||||
return (q_idx - kv_idx).abs() <= 512
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
block_mask = create_block_mask(sliding_window, B=None, H=None, Q_LEN=8192, KV_LEN=8192)
|
||||
out = flex_attention(q, k, v, block_mask=block_mask)
|
||||
```
|
||||
|
||||
### Block-sparse (DeepSeek NSA pseudo)
|
||||
```python
|
||||
def block_sparse_attn(q, k, v, block_size=64, top_k_blocks=8):
|
||||
# 1. Compute block-level importance via mean-pooled K
|
||||
n_blocks = k.shape[1] // block_size
|
||||
k_blocks = k.view(*k.shape[:1], n_blocks, block_size, *k.shape[2:]).mean(dim=2)
|
||||
scores = torch.einsum('bnhd,bmhd->bnmh', q, k_blocks)
|
||||
# 2. Select top-k blocks per query
|
||||
_, top_idx = scores.topk(top_k_blocks, dim=2)
|
||||
# 3. Gather + dense attn within
|
||||
return _gather_and_attend(q, k, v, top_idx, block_size)
|
||||
```
|
||||
|
||||
### Mistral SWA (HuggingFace)
|
||||
```python
|
||||
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||||
|
||||
model = AutoModelForCausalLM.from_pretrained(
|
||||
"mistralai/Mistral-7B-v0.3",
|
||||
torch_dtype=torch.bfloat16,
|
||||
attn_implementation="flash_attention_2",
|
||||
sliding_window=4096,
|
||||
)
|
||||
```
|
||||
|
||||
### Adaptive top-k token (Native Sparse)
|
||||
```python
|
||||
def topk_attention(q, k, v, top_k=128):
|
||||
# (b, h, s, d)
|
||||
scores = q @ k.transpose(-2, -1) / q.shape[-1]**0.5
|
||||
# Keep top_k per query
|
||||
top_v, top_i = scores.topk(top_k, dim=-1)
|
||||
sparse = torch.full_like(scores, float('-inf'))
|
||||
sparse.scatter_(-1, top_i, top_v)
|
||||
attn = sparse.softmax(dim=-1)
|
||||
return attn @ v
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| 4-32k context, local-mostly | Sliding window (Mistral SWA) |
|
||||
| Long-doc QA w/ key-token | Longformer (SWA + global) |
|
||||
| 100k+ context, hardware-friendly | Block-sparse + FlashAttention |
|
||||
| Native long-context pretraining | NSA / MoBA (2025+) |
|
||||
| Inference-only swap | Top-k token sparsification |
|
||||
|
||||
**기본값**: 매 inference 매 SWA + FlashAttention; 매 pretraining 매 native sparse (NSA-like).
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Attention-Mechanism]] · [[Transformer]]
|
||||
- 변형: [[FlashAttention]] · [[Linear-Attention]] · [[Mamba]]
|
||||
- 응용: [[Long-Context-LLM]] · [[Longformer]] · [[BigBird]] · [[Mistral]]
|
||||
- Adjacent: [[KV-Cache]] · [[Position-Encoding]] · [[RoPE]] · [[Native-Sparse-Attention]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 attention pattern selection rationale, 매 mask code draft, 매 paper distillation (NSA/MoBA).
|
||||
**언제 X**: 매 production kernel write (use FA-3 / FlexAttention), 매 perf measurement (real benchmark).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Naïve mask + softmax**: 매 O(n²) memory still. 매 -inf masking 매 helps compute 의 X.
|
||||
- **Random sparsity only**: 매 quality drop 매 catastrophic. 매 hybrid (window + global) needed.
|
||||
- **Fixed window for all heads**: 매 head 마다 different need. 매 per-head adaptive 의 better.
|
||||
- **No global token**: 매 long-doc QA 매 [CLS]/question token 의 全文 access 의 lose.
|
||||
- **Window too small**: 매 perplexity 매 baseline 의 break.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Longformer arXiv:2004.05150; BigBird arXiv:2007.14062; FlashAttention-3 2024; DeepSeek NSA 2025; PyTorch FlexAttention).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — full content (SWA/BigBird/NSA + FlashAttention/FlexAttention patterns) |
|
||||
|
||||
Reference in New Issue
Block a user