Unverified50% confidenceFactExact time
张量并行通过 All-Reduce 操作在所有参与 GPU 之间同步中间激活值，通信量随并行度线性增长
1
Sources
50%
Confidence
Long-term
Relevance
7/22/2026
First Seen
Sources
Related Claims
UnverifiedTransformer 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68% similarUnverifiedGPU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66% similarUnverified张量并行将单层内部的计算张量切分到多卡，每层计算完成后需通过AllReduce操作同步各卡的中间结果64% similarUnverified权重共享使卷积操作等价于对输入信号做互相关运算，并引入平移等变性这一归纳偏置63% similarUnverified当同一Warp内不同线程执行不同分支路径时，GPU必须串行执行所有分支，造成线程束分支发散导致的性能损失63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/585470API
curl https://kongchang.com/api/v1/knowledge/claims/585470MCP
get_claim(id=585470)