待验证60% 置信事实精确时间
GQA通过让多个查询头共享同一组KV头，可将KV缓存体积压缩至原来的1/4至1/8
2
来源数
60%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证使用非GQA架构（KV头数等于查询头数）在相同条件下的KV缓存是GQA的4倍79% 相似待验证GQA 将注意力头分组共享 KV 投影，可将 KV 缓存压缩至原来的 1/4 甚至更低而几乎不损失模型质量75% 相似已验证量化KV缓存（如FP8或INT4存储KV向量）可将缓存大小压缩到原来的1/2甚至1/474% 相似已验证MLA将KV对压缩到低维潜在空间中进行缓存，推理时通过上投影矩阵恢复完整的Key和Value，将KV缓存压缩了数倍72% 相似待验证KV Cache内存占用与层数×注意力头数×上下文长度×精度成正比，GQA通过让多个查询头共享同一组Key-Value头来减少缓存量，Llama 2/3和Qwen系列已采用此设计69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561355API
curl https://kongchang.com/api/v1/knowledge/claims/561355MCP
get_claim(id=561355)