NLP高频面试题（四十七）——探讨Transformer中的注意力机制：MHA、MQA与GQA

MHA、MQA和GQA基本概念与区别

1. 多头注意力（MHA）

多头注意力（Multi-Head Attention，MHA）通过多个独立的注意力头同时处理信息，每个头有各自的键（Key）、查询（Query）和值（Value）。这种机制允许模型并行关注不同的子空间上下文信息，捕捉复杂的交互关系。然而，MHA存在一个明显问题：计算和内存开销巨大，尤其在长序列任务中，键值缓存（KV-cache）显著增加，限制了模型在实际推理阶段的可扩展性。

2. 多查询注意力（MQA）

MQA（Multi-Query Attention）提出的解决方案是将所有查询头共享同一组键值对，极大地减少KV缓存大小。这种共享机制提高了推理时的效率和速度，但因缺少独立键值，可能在精细化任务或复杂场景下出现性能下降。

3. 分组查询注意力（GQA）

GQA（Grouped Query Attention）则折中于MHA与MQA之间，提出将查询头分为若干组，每组共享一套键