本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。Agent Attention（ECCV2024，Swin 原班人马）在 softmax 与线性注意力之间架桥：引入 P 个「代理 token」，注意力变成两跳 softmax(Q·(PK)T)·(PV)T。P 固定时复杂度 O(N·P)，代理数趋近 N 退化为标准注意力、趋近 1 类似线性注意力。本文插在 v13n 层 8 之后。前言104 篇 EfficientAttention 用「两个小矩阵」把 QK^T 压线性，代价是 softmax 的稀疏选择性没了。AgentAttention 的方案更聪明：全图信息先汇总给 P 个「课代表」（代理 token），每个像素只问课代表——保住 softmax，又把 N² 压到 N·P。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进 YOLOv13改进策略【注意力机制篇】| ECCV2024 AgentAttention 代理注意力，P 个代理打通 softmax 与线性
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。Agent Attention（ECCV2024，Swin 原班人马）在 softmax 与线性注意力之间架桥：引入 P 个「代理 token」，注意力变成两跳 softmax(Q·(PK)T)·(PV)T。P 固定时复杂度 O(N·P)，代理数趋近 N 退化为标准注意力、趋近 1 类似线性注意力。本文插在 v13n 层 8 之后。前言104 篇 EfficientAttention 用「两个小矩阵」把 QK^T 压线性，代价是 softmax 的稀疏选择性没了。AgentAttention 的方案更聪明：全图信息先汇总给 P 个「课代表」（代理 token），每个像素只问课代表——保住 softmax，又把 N² 压到 N·P。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进