§ 01综述

Sparse 近期进展

TabNSM：表格数据神经稀疏混合回归模型

TabNSM：表格数据神经稀疏混合回归模型 —— 来自arXiv cs.LG，提出了一种新的神经稀疏混合回归模型，旨在提高表格数据的预测性能。

LongCat稀疏注意力：流式感知分层跨层索引 —— 由arXiv: DeepSeek发布，该研究引入了LongCat稀疏注意力机制，用于提高流式数据的索引效率。

Fireworks AI 与 MiniMax 开源稀疏注意力内核，吞吐量提升1.6倍 —— Fireworks AI宣布开源其稀疏注意力内核，该内核能够将吞吐量提升1.6倍。

思特威推出 50MP 手机 CMOS 传感器 SC505HS，功耗降低约 18% —— IT之家报道，思特威推出的新型传感器通过稀疏设计实现了功耗降低。

Haystack 3.0 发布，Qdrant 原生集成密集/稀疏/混合检索 —— Qdrant发布Haystack 3.0，支持密集、稀疏和混合检索模式。

LiteTopK：利用维度灾难优化稀疏注意力融合Indexer-TopK内核 —— arXiv: DeepSeek上的研究，提出LiteTopK方法，优化稀疏注意力融合Indexer-TopK内核。

COBS：累积量阶块稀疏注意力方法 —— arXiv: DeepSeek发布，COBS方法旨在提高稀疏注意力在处理大规模数据时的效率。

NVIDIA新论文提出时空缓存压缩，视频扩散加速5-10倍 —— NVIDIA的研究提出了一种新的时空缓存压缩技术，显著提升了视频扩散的处理速度。

Graph Sparse Sampling：打破连续MDP规划中的视界诅咒 —— arXiv cs.AI上的研究，Graph Sparse Sampling方法旨在解决连续MDP规划中的视界诅咒问题。

美团发布LongCat-2.0，国产芯片上训练万亿参数模型 —— IT之家报道，美团利用LongCat-2.0在国产芯片上成功训练了万亿参数模型。

Sparse技术正在多个领域得到应用，从数据索引到芯片设计，其核心优势在于减少冗余和提高效率。随着研究的深入，Sparse技术的应用范围和性能都在不断提升，成为当前人工智能和计算机科学领域的一个重要研究方向。

§ 02相关报道10 条在档

§ 03邻近话题