في عالم الذكاء الاصطناعي، تتزايد الحاجة إلى كفاءة أكبر في التعامل مع البيانات الكبيرة. واكبت الأبحاث السريعة هذا الطلب بظهور تقنية جديدة تحمل اسم Adaptive DHiSparse، التي تعد بتمكين عمليات فك التشفير من استخدام أكثر فعالية للموارد.

تتعامل تقنية Adaptive DHiSparse مع مشكلات السعة المتاحة لذاكرة KV (Key-Value) عند التعامل مع سياقات طويلة، حيث إن التحدي يكمن في عدم نفاد الذاكرة قبل أن تصل الأجهزة إلى أدائها الكافي. حيث كان النظام السابق HiSparse يعتمد على تخزين التاريخ في الذاكرة المضيفة واسترجاع المدخلات المختارة فقط، لكنه كان يعاني من قيود في ميزانية التخزين.

مع ظهور Adaptive DHiSparse، تم حل هذه القيود من خلال الدعم لفك التشفير التخميني عبر هيكلية KV الهرمية. تقوم التقنية بتكييف الإقامة تبعًا للتحميل وتحتفظ بمجموع العمل المطلوب مع الحفاظ على مزيد من التاريخ عندما تكون ذاكرة وحدات معالجة الرسوميات (GPU) متاحة. بالتالي يستطيع النظام استرداد بقية البيانات من خلال استرجاع مدمج.

من خلال استخدام نموذج GLM-5.3 مع تقنية DFlash2، تمكن Adaptive DHiSparse من تحقيق 793 وحدة إنتاجية لكل عملية فك تشفير لكل وحدة معالجة GPUs عند 100K سياق و128 تزامن. وهذا يعني تحسنًا كبيرًا بواقع 1.45 مرة مقارنة بالنموذج HiSparse التقليدي و1.27 مرة مقارنة بالخدمات غير التخمينية. كما أثبتت الأبحاث أن هذه التقنية تستطيع الحفاظ على معدلات التأخير المماثلة لنموذج HiSparse، مع زيادة القدرة على التزامن بمعدل يصل حتى 4 مرات.

وفي اختبارات إضافية على DeepSeek-V4.1-Flash بقدرة على التعامل مع سياقات تصل إلى 500K، قدمت هذه التقنية تحسينات بمعدل 1.85 مرة مقارنةً بالخدمات الساكنة.

تعتبر تقنية Adaptive DHiSparse خطوة هامة نحو تحسين أداء أنظمة الذكاء الاصطناعي، مما يعكس مدى تطور المجال وإمكاناته المتزايدة. ما هي آرائكم حول هذه التقنية الجديدة؟ شاركونا في التعليقات.