대규모 언어 모델(LLM)은 이제 점점 더 긴 입력을 처리할 수 있게 되었지만, 긴 컨텍스트에 걸쳐 분산된 정보를 효과적으로 활용하는 능력은 여전히 제한적입니다. 우리는 이 격차를 장(long) 시퀀스에서 지도 학습 파인튜닝(SFT) 중 어텐션 예산이 어떻게 사용되는지에 기인한다고 추적합니다: 위치 편향(positional biases)과 어텐션 싱크(attention sinks)가 모델로 하여금 의미적으로 관련 있는 내용보다는 위치상 특권적인 토큰에 대부분의 주의를 할당하도록 만듭니다. 이러한 훈련 시간 어텐션 희석(training-time attention dilution, 어텐션 분포에서 컨텐츠 토큰이 기아 상태에 빠지는 현상)은 기울기 신호(gradient signal)를 약화시켜 모델이 강력한 장문 컨텍스트 능력을 학습하는 것을 제한합니다. 우리는 훈련 시간에 이 문제를 해결하는 이중 레벨 최적화 프레임워크인 FocuSFT를 소개합니다. 내부 루프는 훈련 컨텍스트의 경량 빠른 가중치 파라미터(fast-weight parameters)를 조정하여 관련 콘텐츠에 주의를 집중시키는 매개변수 메모리(parametric memory)를 형성하고, 외부 루프는 이 정제된 표현(sharpened representation)을 조건으로 SFT를 수행합니다. 두 루프 모두 응답에 대한 인과 마스킹(causal masking)을 유지하면서 컨텍스트 토큰에 대해 양방향 어텐션(bidirectional attention)을 적용하여, 어텐션 싱크의 원인이 되는 인과 비대칭성(causal asymmetry)을 줄이고 내부-외부 동작을 정렬합니다. BABILong에서 FocuSFT는 4K~32K 컨텍스트 길이 전반에 걸쳐 정확도를 최대 +14pp 향상시켰으며, RULER에서는 16K에서 CWE 집계율을 72.9%에서 81.1%로 높였고, 에이전트 도구 사용(agentic tool use)을 포함한 GPQA에서는 pass@1 기준 상대적 이득을 24% 달성했습니다.

어텐션 분석에 따르면, FocuSFT는 어텐션 싱크 질량(attention sink mass)을 529배 줄이고 학습 과정에서 컨텍스트 참여도(context engagement)를 세 배로 높입니다. 코드: https://github.com/JarvisPei/FocuSFT