待验证50% 置信事实精确时间
提示词缓存依赖Transformer的KV缓存机制，通过复用相同前缀已计算的KV向量跳过重复计算，节省GPU算力并降低首Token延迟
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
待验证Transformer 架构中自注意力层会为每个 Token 生成对应的 Key 和 Value 向量并缓存在 GPU 显存中，即 KV Cache 机制，上下文越长占用显存越大，推理成本呈近线性增长80% 相似待验证Transformer架构的自回归生成机制导致输入Token只需一次前向传播编码并以KV Cache存储复用，而输出Token每一步生成都需完整前向传播，推理成本随输出长度线性增长76% 相似待验证GPU并行归约操作的浮点累加顺序不固定导致传统Transformer注意力机制的实际输出存在微小的不可复现波动74% 相似待验证In the Transformer architecture, generating each new token requires attention computation over all previous tokens, and KV Cache avoids redundant computation by caching previously computed key-value pairs.70% 相似待验证SGLang通过RadixAttention实现基于哈希的前缀缓存机制，命中缓存则直接复用已有KV张量并跳过prefill阶段重复计算69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/884167API
curl https://kongchang.com/api/v1/knowledge/claims/884167MCP
get_claim(id=884167)