近日，华南理工大学微电子学院和集成电路学院智能存储与计算研究团队（PI：邹毅教授）博士研究生郝英博担任一作的论文“SlideSparse: Fast and Flexible (2N-2):2N Structured Sparsity”被人工智能与机器学习方向的“三大顶会”之一的ICML 2026（第43届国际机器学习大会，CCF-A，H5指数272）接收。ICML是国际公认的行业A类顶尖会议，代表了人工智能领域科研的国际最高水平，邹毅教授团队首次投稿即被录用。论文是由博士学生郝英博主导与微软北京研究院团队开展合作的重要开创性成果，标志着华南理工大学与国际知名研究机构在相关前沿领域合作探索的成功实践。
SlideSparse: Fast and Flexible (2N-2):2N Structured Sparsity
该论文开创性地提出了SlideSparse方法，旨在解决大语言模型推理中算法稀疏模式（如6:8、8:10等）与NVIDIA GPU硬件2:4稀疏约束之间的根本性不匹配问题。论文揭示了通过滑动窗口分解与激活提升技术，可将任意(2N−2):2N稀疏块转换为多个重叠的2:4合规窗口，利用重叠区域实现非零元素的“溢出承接”，从而在保持内积等价的前提下调用稀疏张量核心进行加速。该方法成功突破了现有硬件仅支持刚性2:4稀疏的限制，使得更温和、更利于保持精度的稀疏模式也能获得硬件加速，填补了算法灵活性与硬件约束之间的加速空白。实验表明，在6:8稀疏度下，SlideSparse可达到1.33×理论加速，同时保留约98%的密集模型精度；系统层面通过融合量化‑提升内核，将激活扩展开销降至接近零。此项研究成果为LLM的高效推理提供了新的思路，也为未来稀疏张量核心与算法协同设计奠定了基础。该论文在理论分析、系统实现和多架构硬件验证上具有重要的科研和工程意义。
会议简介
国际机器学习大会（International Conference on Machine Learning，简称ICML）是机器学习与人工智能领域历史最悠久、规模最大、影响最广的顶级学术会议之一，由中国计算机学会（CCF）推荐为A类会议，与NeurIPS、ICLR并称为机器学习领域的“三大顶会”。ICML创办于1980年，由国际机器学习协会(International Machine Learning Society，IMLS)主办，迄今已连续举办43届。
作为全球增长最快的人工智能会议之一，ICML近年来投稿量和竞争激烈程度屡创新高，论文录用率长期维持在20%–27%左右，对录用成果的原创性、严谨性和潜在影响力有着极为严苛的标准。凭借悠久的历史积淀、极高的学术门槛和广阔的前沿议题覆盖面，ICML已成为全球机器学习研究者展示高水平研究成果、开展深度学术交流的核心平台之一。
