Unverified50% confidenceFactExact time
Flash Attention通过分块计算减少显存访问次数，MQA和GQA通过共享键值头降低计算开销
1
Sources
50%
Confidence
Long-term
Relevance
8/24/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedFlashAttention通过IO感知的分块计算降低显存访问开销80% similarUnverifiedFlash系列模型通常采用更小的参数规模、多查询注意力(MQA)或分组查询注意力(GQA)等高效注意力机制，以及模型蒸馏技术80% similarVerifiedFlash Attention 通过 IO 感知的分块计算显著降低显存占用，提升物理可用窗口上限79% similarVerifiedFlashAttention通过重新设计注意力计算的内存访问模式，将显存占用从与序列长度平方成正比降低为线性关系78% similarVerifiedFlashAttention的核心创新是通过控制GPU的SRAM与HBM之间的数据搬运模式，将标准注意力计算的显存访问复杂度从O(N²)降至近线性77% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/796474API
curl https://kongchang.com/api/v1/knowledge/claims/796474MCP
get_claim(id=796474)