待验证50% 置信事实精确时间
GQA由Google在2023年提出，是介于MHA和MQA之间的折中方案；LLaMA 2的70B版本采用8组GQA，将KV缓存减少到MHA的1/4
1
来源数
50%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
相关事实
待验证GQA由Google在2023年提出，将多个查询头共享同一组Key-Value头，可降低KV Cache内存消耗50%-75%74% 相似待验证GQA由Google在2023年提出，将多个查询头共享同一组Key-Value头，已被LLaMA 3、Mistral等主流模型采用71% 相似已验证GQA（分组查询注意力）是标准多头注意力的高效变体，由Google在2023年提出，已被LLaMA 3、Mistral等主流模型采用66% 相似待验证GQA最早由Google在训练PaLM 2时提出并应用，随后被Llama 2/3、Mistral等开源模型采纳58% 相似待验证MoE架构最早由Google在2017年提出，后被Mistral的Mixtral系列和阿里的Qwen系列等广泛采用57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/819742API
curl https://kongchang.com/api/v1/knowledge/claims/819742MCP
get_claim(id=819742)