待验证50% 置信事实精确时间
Amazon 的 Chronos 将连续数值序列按分位数分桶离散化为 token，然后复用语言模型的 Transformer 架构进行预测。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证Transformer架构采用自回归方式生成文本，每次输出一个Token并追加到输入序列后预测下一个Token，导致推理过程串行68% 相似待验证在大语言模型推理中，Transformer 的自注意力机制需要为每个已处理的 token 保存 Key 和 Value 向量，这批存储即 KV Cache。66% 相似待验证Transformer模型只能处理数值张量，需要分词器将文本转换为整数ID序列后通过嵌入层映射为连续向量64% 相似待验证当前主流大语言模型普遍采用Transformer架构，其自注意力机制在处理长上下文时计算复杂度与序列长度呈二次方增长（O(n²)）61% 相似待验证Kronos采用「量化分词器 + 自回归Transformer」的两阶段技术架构，将OHLCV数据视为语言序列并离散化为token61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065237API
curl https://kongchang.com/api/v1/knowledge/claims/1065237MCP
get_claim(id=1065237)