IT之家（RSS）
腾讯混元提出 Stem 稀疏注意力算法，首字延迟降低 3.6 倍
阅读原文· ithome.comAI 摘要
腾讯混元提出 Stem 稀疏注意力算法，已被机器学习顶会 ICML-26 收录。该算法从因果信息流重新审视块级稀疏，引入 Token 位置衰减（TPD）和输出感知度量（OAM），仅用 25% 算力即逼近稠密注意力精度。配套的 HPC 开源 Stem+BSA 算子将稀疏收益转化为实际加速，在 128K 上下文下首字延迟降低 3.6 倍。
原文
IT之家 6 月 5 日消息，腾讯混元今日宣布提出 Stem 稀疏注意力算法，已被机器学习顶会 ICML-26 收录。
官方表示，Stem 稀疏注意力算法从“因果信息流”重新审视块级稀疏，用 Token 位置衰减（TPD）和输出感知度量（OAM）两大创新，仅用 25% 算力就逼近稠密注意力的精度。配套的 HPC 算子库则将这份理论加速比真正转化为端到端的实测性能。
▲ Stem 在 Hy3 preview（W8A8-FP8）上更贴近生产环境的真实落地数据
根据 Stem 算法 × HPC 算子的全栈加速方案，算法层面，Stem 通过 Token 位置衰减（TPD）和输出感知度量（OAM）实现 25% 预算下的近无损精度；算子层面，HPC 开源的 Stem+BSA 算子将稀疏收益转化为真实硬件加速，128K 上下文下首字延迟降低 3.6 倍。
▲ 模型精度
IT之家附相关链接如下：
Stem 论文链接：https://arxiv.org/abs/2603.06274Stem
开源地址：https://github.com/Tencent/AngelSlimHPC
算子开源地址：https://github.com/Tencent/hpc-ops