Verified65% confidenceFactExact time
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
3
Sources
65%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified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79% similarUnverifiedGQA（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77% similarVerified自注意力机制将输入序列中每个词映射为Query、Key、Value三个向量，通过计算Query与Key的点积并经Softmax归一化得到注意力权重73% similarUnverified自注意力机制通过计算查询（Query）与所有键（Key）的点积相似度来决定每个位置应关注序列中哪些其他位置70% 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 GQA68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/532362API
curl https://kongchang.com/api/v1/knowledge/claims/532362MCP
get_claim(id=532362)