待验证50% 置信事实精确时间
MLA 将所有头的 Key 和 Value 联合压缩为低维潜在向量缓存，本质上是对 KV Cache 做低秩分解
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
15岁少年从零训练200M MoE语言模型：完整架构与实战拆解
redditr/learnmachinelearning2026/7/12
相关事实
已验证MLA 通过低秩分解将 KV Cache 压缩为低维潜在向量，其 d_latent 约为 d_model 的 1/8，可将 KV Cache 显存占用降低至传统多头注意力的 5%-13%81% 相似已验证MLA将KV对压缩到低维潜在空间中进行缓存，推理时通过上投影矩阵恢复完整的Key和Value，将KV缓存压缩了数倍79% 相似待验证MLA通过将KV矩阵压缩为低维潜在向量缓存，理论上可将KV Cache显存占用降低至标准MHA的5%至13%77% 相似待验证MLA（Multi-head Latent Attention）通过低秩压缩将 KV 缓存的显存占用降低至传统 MHA 的约 1/875% 相似待验证DeepSeek-V2 论文显示 MLA 可将 KV Cache 显存降低至标准 MHA 的约5%至13%，同时维持相近性能74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503163API
curl https://kongchang.com/api/v1/knowledge/claims/503163MCP
get_claim(id=503163)