英文：Cross Attention 分类：architecture
查询来自一个序列、键值来自另一个序列的注意力机制，用于融合两个不同模态或上下文的特征。它是 Transformer 编码器-解码器结构与多模态模型的核心组件。
典型场景：机器翻译（解码器查询、编码器记忆）、图像条件生成（文本查询、图像特征）、多模态融合（文本查询、视觉键值）；相比自注意力，交叉注意力允许"问一个、答另一个"。实现与自注意力共用算子，仅 Q/KV 来源不同。
用于翻译与摘要（编码-解码）、文生图（SD 的文本条件注入）、多模态模型（视觉-语言对齐）与检索增强（外部记忆注入）；是跨模态信息路由的关键机制。