对DeepSeek-V4.1-Flash 新版架构影响很大的一篇论文是2024年 的“只需缓存一次：语言模型的解码器-解码器架构”，以及论文的后续论文的更近一步的loop Transformer架构（都在传言的openai的loop Transformer架构），以及后续“只需索引一次：具有共享路由的跨层稀疏注意力机制”。 简单介绍： 普通 Transformer 每层：自己算全文注意力 + 自己存一份 KV ↓ 2024 YOCO https://arxiv.org/abs/2405.05254 切成 Self / Cross 全文 KV 只写一次，Cross 反复读 → 显存和 prefill 下来，仍能看全文 ↓ 2026-04 YOCO-U https://arxiv.org/abs/2604.01220 Self 循环加深，KV 仍一份 → 有效深度上去，全局 cache 不跟深度走 ↓ 2026-06 YOIO https://arxiv.org/abs/2606.06467 Cross 也不再每层扫完全部 KV top-k 下标只算一次，各层共用 → 长生成时「查笔记」也稀疏化(头雁)