分组查询注意力 Grouped-query Attention (GQA)
分组查询注意力 (GQA) 是一种在大型语言模型 (LLM) 中的多查询注意力 (MQA) 和多头注意力 (MHA) 之间进行插值的方法,它的目标是在保持 MQA 速度的同时实现 MHA 的质量。
GQA 的关键属性包括:
- 插值:GQA 是 MQA 和 MHA 之间的中间方法,解决了 MQA 的缺点,例如质量下降和训练不稳定。
- 效率:GQA 通过使用中间数量的键值头来优化性能,同时保持质量。
- 权衡:GQA 在 MQA 的速度和 MHA 的质量之间取得平衡,提供有利的权衡。