# تقنية JSSA تسرّع فك ترميز النماذج اللغوية للسياقات الطويلة

> تسرّع طريقة JSSA الجديدة فك الترميز حتى 6.4× في سياقات من 128K رمز، مع الحفاظ على دقة قريبة من الانتباه الكامل.

Oossa · 2026-10-15 · https://oossa.com/ar/joint-subspace-sparse-attention-speeds-up-long-context-llm-decoding

أعلن باحثون بقيادة جيوون سونغ عن تقنية تُسمى Joint Subspace Sparse Attention (JSSA). وتختار التقنية الرموز كلًّا على حدة من دون جمعها مسبقًا، ما يقلل حركة البيانات في ذاكرة KV المؤقتة. وعلى وحدة معالجة الرسوميات NVIDIA B200، حققت JSSA سرعة فك ترميز تصل إلى 6.43× مقارنةً بالانتباه الكامل المعتمد على KV، في سياقات من 128 K رمز. وظلت الدقة قريبة من الانتباه الكامل المعتمد على KV ومن الانتباه الكثيف-المتفرق الأصلي للنموذج، حتى مع نماذج يصل حجمها إلى 700 B معامل.

## الحقائق

- تاريخ النشر: الخميس 15 أكتوبر 2026
- زيادة السرعة: حتى 6.43× في سياق من 128K رمز على وحدة معالجة الرسوميات NVIDIA B200

## لماذا يهم

يسمح فك الترميز الأسرع للسياقات الطويلة للمطورين ببناء مساعدين للذكاء الاصطناعي أقل تكلفة وأسرع استجابة، قادرين على قراءة مستندات ضخمة والرد عليها.

## المصادر والمراجع

1. [Joint Subspace Sparse Attention for Efficient Long-Context Decoding](https://arxiv.org/abs/2610.19026) – arXiv, 2026-10-15

آخر تحديث: 2026-10-15