资料内容：
1 传统 Attention 存在哪些问题？
1. 传统 Attention 存在 上下文长度 约束问题；
2. 传统 Attention 速度慢，内存占用大；
2 Attention 优化方向
1. 提升上下文长度
2. 加速、减少内存占用
3 Attention 变体有哪些？
稀疏 attention。将稀疏偏差引入 attention 机制可以降低了复杂性；
• 线性化 attention。解开 attention 矩阵与内核特征图，然后以相反的顺序计算 attention 以实现线性复杂度；
• 原型和内存压缩。这类方法减少了查询或键值记忆对的数量，以减少注意力矩阵的大小；
• 低阶 self-Attention。这一系列工作捕获了 self-Attention 的低阶属性；
• Attention 与先验。该研究探索了用先验 attention 分布来补充或替代标准 attention；
• 改进多头机制。该系列研究探索了不同的替代多头机制。
4 Multi-Query Attention 篇
4.1 Multi-head Attention 存在什么问题？
• 训练过程：不会显著影响训练过程，训练速度不变，会引起非常细微的模型效果损失；
• 推理过程：反复加载 巨大 的 KV cache , 导致 内存开销大，性能是内存受限；
4.2 介绍一下 Multi-Query Attention？
Multi-Query Attention 在所有注意力头上 共享 key 和 value.
