特定のシーケンス長に対する FLOP コストの観点からアテンション メカニズムのトラッカーがあればいいでしょう。MLAはめちゃくちゃ高価です。DSAはQwen-nextに対してどのように重なり合いますか?Mamba2ベースのデザイン?新しいShazeerの注意?DSAの65K、256K、1024Kは何に相当しますか?