[PyTorch] Integrate cuDNN Qwen Sparse Attention (QSA) backend for Qwen3.8-Flash-Next
メンテナーはふだん 2 日以内に返信
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 25/100
- issue の種類
- 機能追加
- 明瞭さ
- おおむね明確
- 活発さ
- 活発
調査の方向性
Start by reading the PyTorch attention frontend, especially DotProductAttention, and the related request #3028; the issue does not name implementation files or tests. Then review the linked cuDNN frontend support and Qwen QSA block-selection and causal-tail requirements. Done means a reusable cuDNN-backed QSA path is integrated into the PyTorch frontend and validated for the described semantics.
索引モデルが issue の本文から書いたものです。
説明
Is your feature request related to a problem? Please describe.
TE needs a reusable Qwen Sparse Attention (QSA) path for models such as Qwen3.8-Flash-Next, which combines Gated DeltaNet with QSA.
QSA uses query-dependent selection of key/value micro-blocks with causal tail handling.
This request is related to #3028, but specifically targets QSA's block-selection semantics and the cuDNN QSA backend.
Describe the solution you'd like
Add a cuDNN-backed QSA path to the PyTorch attention frontend, preferably through DotProductAttention or an appropriate reusable attention API.
Describe alternatives you've considered
Integrating cuDNN QSA separately in Megatron or other training frameworks. This duplicates backend integration and validation work and does not provide a common solution for customers outside Megatron.
Additional context
- Target model: https://huggingface.co/Qwen/Qwen3.8-Flash-Next
- cuDNN frontend support: https://github.com/NVIDIA/cudnn-frontend/pull/1781
- Related TE request: #3028
- Megatron QSA training tracking: https://github.com/NVIDIA/Megatron-LM/issues/7060
- 主要言語
- Python
- スター
- 3.6k
- フォーク
- 872
- 平均マージ
- 4日 11時間
- マージ済み PR（30日）
- 59
環境構築
- Dockerfile・Docker Compose ファイルなし
- プルリクエストのテンプレートあり
- コントリビューションガイドを読む
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
NVIDIA/TransformerEngine のほかの issue
-
[PyTorch] fp8_cs_quantize fake implementation returns a vector inverse scale instead of a scalar再び着手できるかも @sanjana658 が 14 日前に担当しましたが、オープン中のプルリクエストはありません。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
NVIDIA/TransformerEngine#3636 · コメント 2 件 ·
メンテナーはふだん 2 日以内に返信
-
[Bug] Backend selection picks FA3 for training with head_dim_qk=192 / v_head_dim=128, but FA3 backward cannot run it再び着手できるかも @modelpath-dev が 48 日前に担当しましたが、オープン中のプルリクエストはありません。 オープンattention
難易度 2/5 1〜3時間 初心者へのやさしさ 85/100
NVIDIA/TransformerEngine#3481 · コメント 4 件 ·
メンテナーはふだん 2 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
NVIDIA/TransformerEngine#2189 · コメント 7 件 · リアクション 5 件 ·
メンテナーはふだん 2 日以内に返信
-
[Feature] Fused gated RMSNorm (RMSNorm(x) * SiLU(gate)) for GDN output norm対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープンenhancement
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
NVIDIA/TransformerEngine#3724 · リアクション 1 件 ·
メンテナーはふだん 2 日以内に返信
-
難易度 4/5 3〜5日 初心者へのやさしさ 52/100
NVIDIA/TransformerEngine#3720 ·
メンテナーはふだん 2 日以内に返信
NVIDIA/TransformerEngine の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 77/100
khuisman/mcp-gee-sweet#1166 ·
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
lugassawan/swe-workbench#823 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 85/100
gramaziokohler/compas_timber#870 ·
-
security-scan-failure
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
semantica-agi/semantica#2089 ·
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
autowarefoundation/autoware_carla_scenario#500 ·
メンテナーはふだん 1 日以内に返信