注意力不足多动症 (ADHD)

注意力不足多动症（Attention Deficit Hyperactivity Disorder, ADHD）是一种广泛存在的神经发育障碍，主要特征为持续的注意力不集中、过度的活动水平及冲动控制障碍。尽管该术语在医学上指代一种需临床干预的病症，但在人工智能与大模型领域，其核心概念‘注意力’（Attention）已演变为一种基础计算范式。该范式通过机制性地模拟生物注意力选择过程，使模型能够动态聚焦关键信息、抑制无关噪声，从而显著提升大语言模型在长文本理解、复杂推理及多模态任务中的表现与效率。

在现代计算架构中，注意力机制已超越单纯的医学诊断范畴，成为大模型（LLM）的‘灵魂’与核心引擎。它解决了传统自注意力机制（Self-Attention）在长序列建模中的计算复杂度与稀疏性问题，通过引入稀疏注意力、混合注意力及动态路由等策略，实现了从‘全局平均’到‘精准聚焦’的范式转移。当前，研究者正尝试将 ADHD 中关于神经递质调节与认知控制的生物学启发，转化为更高效的模型训练算法与推理优化策略，旨在构建具备类人认知灵活性的下一代人工智能系统。