待验证50% 置信事实精确时间
双向注意力模型（如 BERT 编码器）的每个 token 表示受全文影响，前缀 KV 无法独立复用，因此 Prompt Caching 主要出现在生成式大模型而非编码模型上。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证KV Cache机制可以缓存重复的前缀内容，越简洁的系统提示词缓存命中率越高75% 相似待验证处理输入可以借助 KV Cache 等机制摊薄计算成本，而生成每个输出 token 需要完整的前向推理72% 相似待验证Transformer 的因果注意力机制规定每个 token 的 KV 只和它前面的所有 token 相关，因此前缀完全相同的提示词生成的 KV 完全相同，可以直接复用。71% 相似待验证Prompt Caching 的实现逻辑是：对输入提示词做哈希校验，和已缓存的 KV 前缀做匹配，命中则跳过该部分 Transformer 计算，只对后缀部分进行推理计算。71% 相似待验证前缀共享轨迹树可以让前向计算的 KV 缓存与注意力计算在共享前缀上复用，降低长上下文下的显存与算力开销。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1010935API
curl https://kongchang.com/api/v1/knowledge/claims/1010935MCP
get_claim(id=1010935)