跳转至

Autonomy-of-Heads: Data-Free Sparse Attention from Frozen Query-Key Geometry

复现级别：核心机制 mini-suite。 本地只验证论文可独立实现的算法路径，不把小规模 NumPy 实验冒充原论文规模训练或线上结果。

论文信息

字段 内容
论文链接 arXiv 2608.06849
公司/机构 Institute of Computing Technology, Chinese Academy of Sciences
第一作者 Yehan Yang
首次公开日期 2026-08-07（arXiv v1）
原文开源代码 否：截至 2026-08-24 未发现原作者公开代码
Adapter autonomy-heads
本地复现代码 src/auto_research/reproductions/autonomy_heads/

原始论文总结

背景与主要改动

直接从冻结 QK 投影的谱有效秩区分 retrieval 与 streaming heads，无需校准数据或运行时门控。

flowchart LR
  X[固定公开 mini-suite] --> B[recent-window 对照]
  X --> M[autonomy-heads 核心机制]
  B --> E[同样本评测]
  M --> E

原论文关键图

Autonomy-of-Heads: Data-Free Sparse Attention from Frozen Query-Key Geometry 原论文 Figure 11

原论文 Figure 11（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ M_h=W_{K,h}^{\top}W_{Q,h},\quad r_{eff}(M_h)=\exp H(\sigma(M_h)) \]

论文离线与线上效果

50% 稀疏度平均保留 96.5% full-attention 表现；prefill/decode 时延最高下降 41.4%/66.0%。 这是原文口径；若原文没有工业 A/B，本页不会把本地结果写成线上收益。

本地复现

本地对照口径：基线为同样本 recent-window attention，实验组为 autonomy-heads；单 seed 变化为 +92.19% 个百分点。

同一 seed、同一 64 条样本上，recent-window attention baseline accuracy 为 0.0781，autonomy-heads 为 1.0000，绝对变化 +92.19 个百分点。单篇原始指标见 metrics/public-seed42.json，批次索引见 ../../experiments/historical-b07-b11-seed42.json。

auto-research reproduce --paper autonomy-heads --seed 42

复现边界

本地使用固定长上下文/多模态/评测 mini-suite，未训练论文规模 checkpoint、未实现定制 CUDA kernel，也未复刻论文完整公开 benchmark。该实现用于确认核心数据流、公式和相对计算路径可执行。