已验证80% 置信事实精确时间
自注意力机制将输入序列中每个词映射为Query、Key、Value三个向量，通过计算Query与Key的点积并经Softmax归一化得到注意力权重
9
来源数
80%
置信度
长期有效
时效性
2026/7/5
首次发现
来源
从零搭建AI Agent：用Python实现对话智能体核心功能
bilibili川府于瑾年2026/7/2
相关事实
待验证自注意力通过将输入序列映射为查询Q、键K、值V三组向量，计算Q与K的点积相似度后经Softmax归一化得到注意力权重，再加权汇聚V向量84% 相似待验证自注意力机制通过计算查询（Query）与所有键（Key）的点积相似度来决定每个位置应关注序列中哪些其他位置82% 相似已验证分组查询注意力（GQA）和多查询注意力（MQA）通过让多个Query头共享同一组Key/Value头减小推理时KV Cache显存占用，是Llama 3、Mistral等模型的标配优化73% 相似待验证知识检索环节将用户问题通过嵌入模型转化为查询向量，与知识库文本块向量进行相似度计算（通常采用余弦相似度），按排名返回Top-K个片段67% 相似待验证标准多头注意力中每个Token需与序列中所有其他Token计算相关性权重，计算复杂度为O(N²)63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/112307API
curl https://kongchang.com/api/v1/knowledge/claims/112307MCP
get_claim(id=112307)