待验证50% 置信事实精确时间
标准 Scaled Dot-Product Attention 中 Q 与 K 做矩阵乘法得到 n×n 注意力分数矩阵，计算量为 O(n²·d)
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
vLLM推理框架详解：吞吐优化核心原理与面试攻略
bilibiliAI大模型升升2026/6/9
相关事实
待验证标准注意力机制中，Query矩阵与Key矩阵做矩阵乘法得到n×n注意力分数矩阵，计算复杂度为O(n²·d)84% 相似待验证标准的Scaled Dot-Product Attention随着序列长度N增加，每个位置能分配到的平均注意力权重以1/N的速率稀释83% 相似待验证自注意力机制的计算复杂度随序列长度呈近似二次方增长，序列长度为n时注意力矩阵计算量正比于n²80% 相似待验证标准注意力机制具有O(n²)的显存开销，行数2000时需计算约2000×2000的注意力矩阵79% 相似已验证自注意力机制允许模型在处理每个Token时同时看到输入序列中所有其他Token的信息，注意力矩阵计算复杂度为O(n²)78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/490176API
curl https://kongchang.com/api/v1/knowledge/claims/490176MCP
get_claim(id=490176)