已验证75% 置信事实精确时间
GQA（分组查询注意力）是标准多头注意力的高效变体，由Google在2023年提出，已被LLaMA 3、Mistral等主流模型采用
5
来源数
75%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
26M超轻量模型Needle：本地微调工具调用全流程实战
bilibili薛定猫AI2026/7/3
相关事实
待验证GQA由Google在2023年提出，将多个查询头共享同一组Key-Value头，已被LLaMA 3、Mistral等主流模型采用81% 相似待验证GQA 是 Google 在 2023 年提出的注意力优化方案，将查询头分组每组共享一套 KV 投影，通常减少 KV 缓存显存 4-8 倍76% 相似待验证GQA最早由Google在训练PaLM 2时提出并应用，随后被Llama 2/3、Mistral等开源模型采纳69% 相似待验证GQA由Google在2023年提出，将多个查询头共享同一组Key-Value头，可降低KV Cache内存消耗50%-75%67% 相似待验证GQA由Google在2023年提出，是介于MHA和MQA之间的折中方案；LLaMA 2的70B版本采用8组GQA，将KV缓存减少到MHA的1/466% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114485API
curl https://kongchang.com/api/v1/knowledge/claims/114485MCP
get_claim(id=114485)