待验证50% 置信解决方案精确时间
压缩吸收注意力为每一层分配全量、重索引、复用三种模式之一，实现层间共享KV缓存
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
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77% 相似已验证多头注意力（Multi-head Attention）通过在不同子空间的并行计算来捕捉多维度语义关系74% 相似待验证密集注意力层需要完整的KV Cache，而线性层则依赖隐状态73% 相似待验证混合注意力架构中，底层使用Full Attention捕获全局语义，上层使用Sliding Window提升效率73% 相似待验证四维张量通常出现在多头注意力机制中，将维度平均切成若干份后按四维张量方式排列处理73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/900721API
curl https://kongchang.com/api/v1/knowledge/claims/900721MCP
get_claim(id=900721)