Grouped Query Attention giảm bộ nhớ KV-cache mà giữ chất lượng

Khi Moonshot, DeepSeek và loạt phòng lab Trung Quốc chạy đua IPO để chứng minh mô hình AI sinh lời được, có một chi tiết kỹ thuật ít ai nhắc tới nhưng...