待验证60% 置信解决方案精确时间
GQA（分组查询注意力）是介于多头注意力（MHA）和多查询注意力（MQA）之间的注意力机制，通过将多个 Query 头分组共享 Key-Value 投影来减少 KV Cache 显存占用
2
来源数
60%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
已验证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77% 相似待验证Meta发布的Llama 3系列采用分组查询注意力机制（GQA），在推理效率上较传统多头注意力有显著提升73% 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73% 相似已验证Multi-Head Latent Attention（MLA）是DeepSeek-V2提出的注意力机制68% 相似待验证Flash Attention通过分块计算减少显存访问次数，MQA和GQA通过共享键值头降低计算开销66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/860211API
curl https://kongchang.com/api/v1/knowledge/claims/860211MCP
get_claim(id=860211)