NVIDIA（カリフォルニア州サンタクララ）は、生成モデルにおけるアテンション機構の設計最適化指針を公表したと報じられている。コンテキスト長の延伸に伴い処理負荷が増大する現状に対応し、アクセラレータの実行特性に合わせたアーキテクチャ設計手法を提示したとされる。

同報告では、デコード処理の高速化に向けたグループサイズの集約や、演算タイルの配置効率を高めるヘッド次元の設定が効果的であると言及されている。計算資源の制約に対応するため、処理工程ごとのボトルネックを低減する設計の適用が推奨されている模様だ。

また、複数アクセラレータへの分散処理においては、キー・バリューヘッド数に応じた並列化手法の選択が性能向上に寄与すると伝えられている。これらの一体設計アプローチにより、推論速度とスループットの向上が期待されている。