#Attention & MLA

2026

• 09-27 EN

  FlashInfer: Making Attention Fit the Serving Workload

• 09-27 中

  FlashInfer 阅读笔记：让注意力计算适应真实推理服务

• 09-23 EN

  Gated Attention: Controlling What a Softmax Head Writes

• 09-23 中

  Gated Attention：让注意力头决定写入多少信息

• 08-15 EN

  SwiftQK: When Normalization Becomes the Bottleneck of Tensor Parallelism

• 08-15 中

  SwiftQK：当归一化层成为张量并行的瓶颈

• 08-09 EN

  Bole: Efficient Tree Speculation for Hybrid-Attention Language Models

• 08-09 中

  Bole 阅读笔记：为混合注意力大模型重新设计树状投机解码

• 08-05 EN

  AnchorKV: Anchor-Residual KV Cache Compression

• 08-05 中

  AnchorKV：锚点-残差表示下的 KV 缓存压缩阅读笔记

• 08-01 EN

  Back from the Future: KV Cache Management by Counter-Causal Surprise

• 08-01 中

  来自未来的信号：用反因果惊奇度做 KV Cache 淘汰

• 07-29 EN

  LOCKS: Page-Local Compact Key Summaries for Efficient Long-Context Decoding

• 07-29 中

  LOCKS 阅读笔记：为什么 KV Cache 摘要要按「页」而不是按「序列」或「全局」来建

• 07-15 EN

  COBS: What Block-Sparse Attention Selectors Are Actually Missing (A Second-Order Fix)

• 07-15 中

  COBS 阅读笔记:块稀疏注意力的选择器到底漏掉了什么(一个二阶修正)

• 07-01 EN

  SSV: Sparse Speculative Verification for Efficient LLM Inference

• 07-01 中

  SSV：稀疏投机验证——在动态稀疏注意力中做投机解码

• 06-24 EN

  SparDA: Sparse Decoupled Attention for Efficient Long-Context LLM Inference

• 06-24 中

  SparDA：稀疏解耦注意力，让长上下文推理又快又准

• 05-27 EN

  GQA: Grouped-Query Attention — Bridging Multi-Head Quality and Multi-Query Speed

• 05-27 中

  GQA 分组查询注意力：用分组 KV 头桥接多头质量与多查询速度

• 05-24 EN

  FlashAttention-2: Faster Attention with Better Parallelism and Work Partitioning

• 05-24 中

  FlashAttention-2：更好的并行策略与线程块工作划分

• 03-23 EN

  MiRA: A Subgoal-driven Framework for Improving Long-Horizon LLM Agents — Technical Review

• 03-14 EN

  FlashAttention: The IO-Aware Algorithm That Made Transformers Actually Fast

• 02-18 EN

  DeepSeek-V2: Multi-head Latent Attention and DeepSeekMoE — Technical Review