본 논문은 대규모 언어 모델(LLM) 추론 가속화를 위한 새로운 방법인 Polar Sparsity를 제안합니다. 기존의 Contextual sparsity는 큰 배치 크기에서 효율성이 떨어지는 한계를 가지는데, Polar Sparsity는 배치 크기와 시퀀스 길이가 증가함에 따라 MLP 계층보다 Attention 계층의 스파스성이 더 중요해짐을 밝힙니다. MLP 계층은 배치 처리에서 계산 효율이 높아지지만 스파스성이 사라지는 반면, Attention 계층은 비용이 증가하지만 스파스성은 안정적으로 유지됩니다. 따라서 본 논문은 MLP와 Attention 계층에 대한 하드웨어 효율적인 스파스성 인식 GPU 커널을 개발하여 OPT, LLaMA-2 & 3과 같은 모델에서 최대 2.2배의 추론 속도 향상을 달성했습니다. 이는 Contextual sparsity를 대규모 배치 크기에 효과적으로 확장하여 실질적인 고처리량 LLM 배포 시스템에 적용할 수 있음을 보여주는 최초의 연구입니다.