美团龙猫注意力机制升级：提速10倍，精准处理1M超长文本

文自 | 凹非寺
量子位 | 公众号 QbitAI

文本处理速度大幅提升超过50%，同时还解锁了多达1M的上下文处理能力。

美团龙猫LongCat系列在新年之际再出新招，正式发布了名为LoZA的全新稀疏注意力机制。

这项创新技术集中火力，旨在攻克长文本任务在理解与算力上的核心难题。

相比LongCat系列此前采用的全注意力机制MLA，新的LoZA仅对其一半的核心模块进行了改造。

但模型的长文本处理能力却从256K显著扩展至1M，解码速度也有了显著提升。

其表现甚至优于同类型的Qwen-3模型。

接下来，让我们一起看看它的具体实现方案。

如何实现“只算关键部分”？

全注意力机制的算力瓶颈在于其平方级的计算复杂度，这导致模型处理长文本任务时对硬件要求苛刻，并伴随着推理延迟问题。

LoZA的核心思路是让模型将算力资源聚焦于处理重要的内容，对于次要部分则减少计算开销。

作为LongCat系列的核心技术升级，LoZA主要是在原有的MLA机制基础上进行针对性改造。

具体分为两步走。

首先，对模型中的多头潜在注意力模块进行一次全局“筛查”，找出那些适合被改造的模块。

在原有的MLA架构中，每个模块都是处理注意力的核心单元。新方案为每个模块配备一个可学习的权重α。

α值越高，说明该模块进行全注意力计算越关键，一旦简化就容易丢失性能；α值越低则意味着模块的可替代性强，即便换成更轻量级的计算方式，对整体理解能力的影响也不大。

在训练过程中，团队冻结模型其他参数，只更新α的梯度，通过这种专门的校准训练让模型自主学习α值，然后按α值从小到大排序，找出那些稀疏化后不影响性能的MLA模块，作为后续的优化目标。

随后，将找出的50%低重要性模块替换成更轻巧的流式稀疏注意力SSA。

这样就形成了一种交错结构，团队将这种结构称为ZigZag。

SSA的计算复杂度是线性的，远低于全注意力的平方级复杂度。

所以这种交错结构让模型既不会因为过度简化而变“笨”，又能将计算复杂度降到线性级别，节省大量算力。

为了让模型在关注局部细节的基础上不忽略整体逻辑，LoZA还设计了一个大小为1024 Token的稀疏窗口。

每个窗口包含1个负责抓取整体关联的“全局块”和7个负责紧盯附近内容的“局部块”，单块大小为128 Token。

这样的改造也无需从头训练，在中期训练阶段就能完成，成本也比较低。

从测试数据来看，LoZA的表现相当不错，主要是在“更快”的同时“没变笨”。

速度上，处理128K上下文时，解码速度直接比原来快10倍；

处理256K上下文时，模型预加载速度提升了50%，后续解码阶段生成内容时还能节省约30%的算力。这意味着同样的硬件，现在能同时处理两倍多的长文本任务。

这也让LongCat-Flash-Exp解锁了1M的上下文处理窗口。

性能上，LoZA也没有因为简化而“缩水”。

在处理问答、写代码这类日常任务时，和原版LongCat-Flash持平；处理长文本任务时，表现反而更好。

比如在MRCR测试里，超越了同样能处理1M长文本的Qwen-3模型，表现也更稳定。

接下来，团队还计划让LoZA支持动态稀疏比例。

短文本场景自动多用全注意力保证精度，长文本场景自动增加稀疏模块提升效率，甚至适配多模态模型处理长视频、长图文内容。

真是新年新气象！

论文地址已发布。

— 完 —