본 논문은 대규모 언어 모델(LLM) 추론 가속화를 위한 새로운 방법인 폴라 스파스티(Polar Sparsity)를 제안합니다. 기존의 컨텍스트 스파스티는 큰 배치 크기에서 효율성이 떨어지는 한계가 있었는데, 폴라 스파스티는 배치 크기와 시퀀스 길이가 증가함에 따라 MLP 계층보다 어텐션 계층의 스파스티가 더 중요해짐을 강조합니다. MLP 계층은 배치 처리 시 계산 효율이 높아지지만 스파스티가 사라지는 반면, 어텐션 계층은 비용이 증가하지만 스파스티는 안정적으로 유지됩니다. 따라서 본 논문은 MLP와 어텐션 계산을 위한 하드웨어 효율적인 스파스티 인식 GPU 커널을 개발하여 OPT, LLaMA-2, LLaMA-3과 같은 모델에서 최대 2.2배의 종단 간 속도 향상을 달성했습니다. 이는 큰 배치 크기에서도 효과적으로 확장 가능한 컨텍스트 스파스티를 최초로 증명한 연구이며, 최소한의 변경으로 상당한 추론 가속화를 제공하여 대규모 고처리량 LLM 배포 시스템에 실용적입니다.
