# Joint Subspace Sparse Attention, uzun bağlamlı LLM’leri hızlandırıyor

> Yeni JSSA yöntemi, doğruluğu tam dikkat mekanizmasına yakın tutarken 128K tokenlık bağlamlarda kod çözmeyi 6.4 kata kadar hızlandırabiliyor.

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

Jiwon Song liderliğindeki araştırmacılar, Joint Subspace Sparse Attention (JSSA) adlı bir teknik geliştirdi. Yöntem, tokenları önce bir araya getirmeden tek tek seçerek KV önbelleği trafiğini düşük tutuyor. JSSA, NVIDIA B200 GPU’da 128 K tokenlık bağlamlarda tam KV dikkat mekanizmasına kıyasla kod çözme hızını 6.43 kata kadar çıkardı. 700 B parametreye kadar olan modellerde bile doğruluk, tam KV dikkat mekanizmasına ve modelin yerleşik yoğun-seyrek dikkat mekanizmasına yakın kaldı.

## Gerçekler

- Yayımlanma tarihi: 15 Ekim 2026 Perşembe
- Hız artışı: NVIDIA B200 GPU’da 128K tokenlık bağlamda 6.43 kata kadar

## Neden önemli

Uzun bağlamlarda daha hızlı kod çözme, geliştiricilerin çok büyük belgeleri okuyup yanıtlayabilen, daha ucuz ve daha hızlı tepki veren yapay zekâ asistanları geliştirmesini sağlar.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-15