英文：Flash-Decoding 分类：architecture
面向长序列推理的注意力加速技术，在 FlashAttention 基础上把并行度扩展到键/值维度，让解码阶段（一次一个 Token）也能充分利用 GPU。
原理：将 KV 分块并行计算局部注意力分数与统计量，再合并（rescale）得到精确结果；适合"一个查询、大量 KV"的解码场景，是长上下文推理吞吐的关键优化之一。
用于 vLLM/SGLang 等推理引擎的注意力内核、超长上下文生成与批处理解码；配合分页 KV 缓存构成现代推理引擎的标配。