热点事件持续更新
研究者提出MLI优化DeepSeek长上下文解码
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年11月4日，研究者在arXiv发表论文，提出名为Multi-layer Indexer（MLI）的技术，旨在加速DeepSeek-V3.2与GLM-5的长上下文解码。该技术通过并发重叠索引器扫描与注意力计算来优化稀疏注意力推理，无需对模型进行重新训练，且可直接在SGLang框架上运行。测试数据显示，在128K上下文长度下，MLI实现了原模型1.32倍的解码吞吐量，解码速度相比IndexCache最高提升14.5%。
AI 根据报道生成 · 5 小时前更新
最新进展11月4日 13:00
研究者提出MLI，通过并发重叠计算加速DeepSeek等长上下文解码。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 机器学习Multi-layer Indexer：在 DeepSeek 稀疏注意力中重叠选择与注意力计算
研究者提出 Multi-layer Indexer（MLI），通过并发重叠索引器扫描与注意力计算，加速 DeepSeek-V3.2 与 GLM-5 的长上下文解码。MLI 无需重新训练且可在 SGLang 运行，在 128K 上下文下实现原模型 1.32x 的解码吞吐量，解码速度较 IndexCache 提升最高 14.5%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。