MLA by Deekseek

1. MLA 的核心思想是通过低秩联合压缩技术，减少 K 和 V 矩阵的存储开销
2. 相对于传统的 MHA，主要引入了 W^{DKV} 把 h_{t} 压缩了，并在推理时候缓存压缩后的数据，而不是 kv，kv 是使用 W^{UV}/W^{UK} 和 C_{t}^{KV} 恢复
3. 可以被训练的参数有 W^{DKV} W^{UK} W^{UV} W^{KR}

[](MLA by Deekseek/InKimage.png)

[](MLA by Deekseek/aSWimage.png)