# xformers 기반의 메모리 효율적인 인과적 어텐션 구현
def memory_efficient_causal_attention(q, k, v):
    # 필요한 어텐션 점수만 계산 (마스킹된 점수는 계산하지 않음)
    batch_size, seq_len, num_heads, head_dim = q.shape
    # 출력 텐서 초기화
    output = torch.zeros_like(q)
    # 누적 소프트맥스 상태 추적
    softmax_scale = 1.0 / math.sqrt(head_dim)
    m_prev = torch.zeros((batch_size, num_heads, 1), device=q.device)  # 최대값 저장
    p_sum = torch.zeros((batch_size, num_heads, 1), device=q.device)   # 합 저장
    o_acc = torch.zeros((batch_size, num_heads, head_dim), device=q.device)  # 가중합 저장
    # 순차적 처리로 메모리 사용 최소화
    for i in range(seq_len):
        # 현재 위치의 쿼리
        qi = q[:, i:i+1]  # [B, 1, H, D]
        # 현재 위치까지의 키와 값만 처리 (인과성)
        ki = k[:, :i+1]   # [B, i+1, H, D]
        vi = v[:, :i+1]   # [B, i+1, H, D]
        # 어텐션 점수 계산 (스케일링 포함)
        si = torch.matmul(qi, ki.transpose(-1, -2)) * softmax_scale  # [B, 1, H, i+1]
        # Rabe & Staats 방식: 소프트맥스 최적화
        mi = torch.max(si, dim=-1, keepdim=True)[0]
        m_curr = torch.maximum(m_prev, mi)
        # 이전 누적값 스케일 조정
        scale_factor = torch.exp(m_prev - m_curr)
        p_sum = p_sum * scale_factor
        o_acc = o_acc * scale_factor.unsqueeze(-1)
        # 새로운 어텐션 가중치 계산
        pi = torch.exp(si - m_curr)
        p_sum = p_sum + pi.sum(dim=-1, keepdim=True)
        # 출력 누적 (중간 어텐션 행렬 저장 없이)
        o_acc = o_acc + torch.matmul(pi, vi).squeeze(1)
        # 현재 위치 출력 계산
        output[:, i] = o_acc / p_sum
        # 상태 업데이트
        m_prev = m_curr
    return output