Denotational Normal Form

深度分析

MoA 框架實現記憶體流量最小化的 Transformer 注意力機制

研究以陣列數學（MoA）框架重構縮放點積注意力與穩定softmax，代數化消除所有中間緩衝，使記憶體流量達理論最小O(ndk+ndv)。相較傳統O(n²)實作，預測在長序列下可提升數十倍速度並大幅降低能耗，同時保持硬體無關與正確性，此方法亦提供可預測的成本模型，支援未來exascale計算平台。