注意力变体与内存效率

注意力架构决定了模型在推理时的持久 KV 缓存大小，不同注意力变体（如多头、分组查询、滑动窗口等）对内存需求有显著影响。KV 缓存的规模由每层保留的 token 数、键值头数量及头维度决定，且推理运行时无法更改模型的注意力结构。通过检查配置文件可估算模型的内存需求及服务容量。