概念混合稀疏+量化注意力 / Hybrid Sparse + Quantized Attention
HSQ-A
一种用于长上下文推理的注意力优化技术，通过轻量打分筛选高影响Key并结合FP8量化存储Value，大幅压缩KV-cache显存占用。
时间轴 (近 90 天)
10月17日
HSQ-A 通过轻量打分网络筛选出约 15% 的高影响 key，并将剩余 value 以 FP8 格式存储，从而将 KV-cache 从稠密 70B 模型常见的 0.8 GB/k 压缩到 0.12 GB/k，压缩比约 85%。
待验证50%
10月17日
一个 75 万 Token 的合同文档，原始 KV-cache 约 90GB，经 HSQ-A 压缩管线后落到约 10GB 量级，可以装入 A100-40GB 的剩余显存。
待验证50%
10月17日
HSQ-A 的激进剪枝可能引入压缩伪影，丢掉细微的远距离依赖，在代码和形式逻辑类任务上尤其需要警惕。
待验证50%