通俗解释
标准多头注意力每个头都有自己的 K、V；MQA 只保留一份，解码时读取的显存少很多，速度更快，代价是少量质量下降。
用在哪里：PaLM、Falcon
01原始论文
Fast Transformer Decoding: One Write-Head is All You Need
Noam Shazeer · 2019
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：多头潜在注意力 MLA
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
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:
mqa)