待验证50% 置信决策规则精确时间
MoE模型中，注意力层、嵌入层和共享层在每个token都会被使用，体积小，应放在VRAM中。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
已验证Multi-Query Attention技术让多个注意力头共享同一组Key和Value投影矩阵，将KV缓存显存需求压缩至原来的1/H，代价是模型表达能力的轻微损失73% 相似待验证压缩吸收注意力为每一层分配全量、重索引、复用三种模式之一，实现层间共享KV缓存70% 相似待验证密集注意力层需要完整的KV Cache，而线性层则依赖隐状态69% 相似待验证现有主流稀疏注意力方法通过保留注意力矩阵中数值较大的条目或高质量区域来筛选交互69% 相似待验证模型层级构成为 54 层 KDA（Kimi Delta Attention）线性注意力、17 层 BCSA 压缩稀疏注意力、1 层全注意力（第72层）68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1014110API
curl https://kongchang.com/api/v1/knowledge/claims/1014110MCP
get_claim(id=1014110)