待验证50% 置信事实精确时间
LLM的推理是自回归的：每生成一个Token都要经过一次完整的前向传播。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
GraphRAG悖论：知识图谱如何避免Token崩溃
rss2026/10/16
涉及实体
相关事实
待验证典型的 LLM 采用自回归（autoregressive）生成方式，逐 token 预测且每步输出作为下一步输入形成循环75% 相似待验证LLM 推理是自回归逐 token 生成，瓶颈在于内存带宽与 KV Cache 管理，与扩散模型推理存在本质差异74% 相似待验证现代主流LLM采用自回归生成方式，逐个token按顺序生成74% 相似待验证LLM 的自回归生成特性决定其输出是逐 Token 的流式传输，源于 Transformer 架构的解码策略72% 相似待验证LLM采用自回归方式生成文本，每次只生成一个Token，生成N个Token需要N次前向推理，延迟与输出长度呈线性关系72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046422API
curl https://kongchang.com/api/v1/knowledge/claims/1046422MCP
get_claim(id=1046422)