待验证60% 置信事实精确时间
KV Cache（键值缓存）机制通过缓存自注意力层生成的 Key 和 Value 向量来避免重复计算以加速推理，但上下文越长需驻留显存的向量越多，内存压力呈近线性增长
2
来源数
60%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
已验证KV Cache将已计算的历史键值矩阵缓存在内存中，将自回归生成的复杂度从随序列长度平方增长降至线性77% 相似待验证KV Cache机制避免了对历史Token的重复计算，但会随上下文长度线性增长占用显存75% 相似已验证多头潜在注意力机制（MLA）通过对Key-Value缓存进行低秩压缩，显著降低推理阶段的KV Cache显存占用74% 相似待验证KV Cache往往占据推理总显存的30%至70%，是制约大模型推理吞吐量和上下文长度的主要瓶颈74% 相似待验证在推理阶段内存带宽往往比纯算力更早成为瓶颈，注意力机制需在每步生成时读取全部KV缓存，上下文长度增大时内存读写开销呈平方级增长73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561426API
curl https://kongchang.com/api/v1/knowledge/claims/561426MCP
get_claim(id=561426)