待验证50% 置信事实精确时间
对于L层、H个注意力头、每头维度为d的模型，缓存n个token需要的显存为2×L×H×d×n×精度字节数
1
来源数
50%
置信度
长期有效
时效性
2026/8/8
首次发现
来源
相关事实
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)71% 相似待验证标准 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)71% 相似待验证Deformable DETR用可变形注意力替代全局自注意力，每层每个头仅采样约4个参考点，将注意力计算复杂度从O(N²)降低到O(NK)70% 相似待验证Multi-Query Attention技术让多个注意力头共享同一组Key和Value投影矩阵，将KV缓存显存需求压缩至原来的1/H，代价是模型表达能力的轻微损失70% 相似待验证注意力头的维度（head_dim）通常保持在64到128之间以充分利用硬件矩阵乘法加速70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/707989API
curl https://kongchang.com/api/v1/knowledge/claims/707989MCP
get_claim(id=707989)