待验证50% 置信事实精确时间
模型中注意力层的QKV投影权重和输出投影通常比MLP层的中间权重更敏感，模型首尾层比中间层更脆弱
1
来源数
50%
置信度
长期有效
时效性
2026/8/24
首次发现
来源
涉及实体
相关事实
待验证通过Hessian矩阵或Fisher信息矩阵进行逐层敏感性分析可识别模型中的量化瓶颈层，注意力层Q/K投影通常为高敏感层，FFN层大部分权重可安全压缩至FP8甚至INT873% 相似待验证对于图像生成Transformer骨干，注意力层的Q/K投影矩阵通常被识别为高敏感层，而FFN层大部分权重可安全压缩至FP8甚至INT870% 相似待验证研究表明Transformer架构中注意力层（Q/K/V投影和输出投影）对精度损失更敏感，而FFN线性层对低精度表示鲁棒性更强，嵌入层和LayerNorm层通常保留高精度70% 相似待验证Qwen系列在架构层面引入了GQA（分组查询注意力）机制，相比标准多头注意力降低了KV缓存的内存占用68% 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68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/795636API
curl https://kongchang.com/api/v1/knowledge/claims/795636MCP
get_claim(id=795636)