Unverified50% confidenceFactExact time
选择性SSM本质上等价于一种特殊的半可分矩阵（semiseparable matrix）形式的注意力
1
Sources
50%
Confidence
Long-term
Relevance
8/12/2026
First Seen
Sources
Related Claims
Unverified标准注意力机制中，Query矩阵与Key矩阵做矩阵乘法得到n×n注意力分数矩阵，计算复杂度为O(n²·d)72% similarUnverifiedMulti-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70% similarVerified自注意力机制允许模型在处理每个Token时同时看到输入序列中所有其他Token的信息，注意力矩阵计算复杂度为O(n²)68% similarUnverified标准 Scaled Dot-Product Attention 中 Q 与 K 做矩阵乘法得到 n×n 注意力分数矩阵，计算量为 O(n²·d)67% similarUnverified通过Hessian矩阵或Fisher信息矩阵进行逐层敏感性分析可识别模型中的量化瓶颈层，注意力层Q/K投影通常为高敏感层，FFN层大部分权重可安全压缩至FP8甚至INT866% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/735122API
curl https://kongchang.com/api/v1/knowledge/claims/735122MCP
get_claim(id=735122)