Unverified90% confidenceFactTime unknown
GQA（Grouped-Query Attention）和MQA（Multi-Query Attention）是MLA之前业界通过共享Key/Value头来缓解KV缓存问题的方案
1
Sources
90%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
DeepSeek-V3.2-Exp发现RoPE实现Bug：交错格式不匹配导致推理性能下降
twitterdeepseek_ai
Related Entities
Related Claims
Verified分组查询注意力（GQA）和多查询注意力（MQA）通过让多个Query头共享同一组Key/Value头减小推理时KV Cache显存占用，是Llama 3、Mistral等模型的标配优化77% similarUnverifiedGQA让多个查询头共享同一组键值头，Llama 2 70B 和 Llama 3 系列均采用了 GQA70% similarUnverifiedQKV分别代表Query（查询）、Key（键）和Value（值），命名借鉴自信息检索系统概念62% similarUnverified自注意力通过将输入序列映射为查询Q、键K、值V三组向量，计算Q与K的点积相似度后经Softmax归一化得到注意力权重，再加权汇聚V向量59% similarUnverifiedMQA令所有查询头共享同一组Key-Value以压缩KV Cache56% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/27886API
curl https://kongchang.com/api/v1/knowledge/claims/27886MCP
get_claim(id=27886)