L'attention parcimonieuse native (NSA) est un mécanisme d'attention parcimonieuse nativement entraînable, proposé par DeepSeek, l'Université de Pékin et l'Université de Washington le 27 février 2025. Il vise à résoudre le problème de goulot d'étranglement informatique dans la modélisation de séquences longues. Cette méthode combine innovation algorithmique et optimisation matérielle pour obtenir une modélisation efficace en contexte long.Attention éparse native : attention éparse alignée sur le matériel et pouvant être formée nativement", qui a remporté le prix du meilleur article de l'ACL 25.

Pré-entraîné sur un modèle de base Transformer de 27 milliards de paramètres, NSA atteint des performances comparables, voire supérieures, à celles des modèles d'attention entièrement connectés sur les benchmarks courants, les tâches à contexte long et les tâches d'inférence. Lors du traitement de séquences de 64 000 secondes, NSA accélère considérablement le décodage, la propagation directe et la rétropropagation.