通俗解释
作者发现模型会把大量注意力分配给最开头的几个 token。滑动窗口丢掉它们会崩溃；只要保留这几个 token 加最近窗口，就能稳定处理数百万 token 的流。
用在哪里：长对话流式推理
01原始论文
Efficient Streaming Language Models with Attention Sinks
Guangxuan Xiao, Yuandong Tian, Beidi Chen, 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：稀疏自编码器 SAE
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:
streaming-llm)