Verified65% confidenceFactExact time
MLA 通过低秩分解将 KV Cache 压缩为低维潜在向量，其 d_latent 约为 d_model 的 1/8，可将 KV Cache 显存占用降低至传统多头注意力的 5%-13%
3
Sources
65%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
UnverifiedDeepSeek-V2 论文显示 MLA 可将 KV Cache 显存降低至标准 MHA 的约5%至13%，同时维持相近性能84% similarUnverifiedMLA通过将KV矩阵压缩为低维潜在向量缓存，理论上可将KV Cache显存占用降低至标准MHA的5%至13%82% similarUnverifiedMLA（Multi-head Latent Attention）通过低秩压缩将 KV 缓存的显存占用降低至传统 MHA 的约 1/881% similarUnverifiedMLA 将所有头的 Key 和 Value 联合压缩为低维潜在向量缓存，本质上是对 KV Cache 做低秩分解81% similarVerified多头潜在注意力机制（MLA）通过将KV投影到低维潜在空间压缩存储，将KV Cache显存占用降低至传统方法的5%至13%75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/533862API
curl https://kongchang.com/api/v1/knowledge/claims/533862MCP
get_claim(id=533862)