通俗解释
例如 32 个查询头分成 8 组，每组共享一份 K/V，KV Cache 缩小 4 倍而质量几乎不降。它是当前开源模型最常用的注意力形式。
用在哪里：Llama 2 70B、Llama 3、Mistral、Qwen 等
01原始论文
GQA: Training Generalized Multi-Query Transformer Models from Multi-Head Checkpoints
Joshua Ainslie, James Lee-Thorp, Michiel de Jong, et al. · 2023
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：KV Cache
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U42 现代 LLM 架构：位置编码、GQA/MLA 与长上下文 RoPE、SwiGLU、RMSNorm、GQA/MLA、FlashAttention、滑动窗口与上下文扩展。 12 小时12 个算法5 篇论文 U60 解码、采样与 KV Cache 预填充与解码、温度/top-p、KV Cache、内存带宽瓶颈。 6 小时4 个算法2 篇论文已有正文
所在学习路线：从零理解一个大模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
gqa)