2026年5月11日，北大研究团队在arXiv发布MISA论文，将MoE路由机制引入稀疏注意力，解决了当前稀疏注意力方案（如DeepSeek DSA）在长上下文场景下indexer计算成为瓶颈的问题。 MISA将indexer heads视为专家池，引入轻量级路由器基于块级统计信息动态选择少量活跃heads执行token级评分，而非每次让所有heads处理全部前缀token。实验数据显示，在仅使用8个活跃heads（DeepSeek-V3.2）和4个（GLM-5）的情况下，MISA即可在LongBench上与Dense DSA Indexer表现持平，同时推理效率提升4-8倍。该方法无需额外训练，可直接作为DSA替代方案部署。 稀疏注意力是LLM长上下文推理优化的重要方向，MISA的价值在于既保留下原始indexer池的多样性，又显著降低了计算成本。随着LLM上下文窗口不断增长，这类将MoE路由思想融合进注意力机制的技术路线，正成为提升推理效率的新趋势。