已验证80% 置信事实时间未知

Transformer架构的自注意力机制在处理长序列时面临二次方复杂度的计算开销，上下文长度翻倍则计算量增长四倍

7

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Windsurf续杯插件实测：积分自动刷新+多窗口并发教程

bilibili默然萧璃

涉及实体

Transformerconcept Self-Attentionconcept

相关事实

待验证Transformer的KV Cache随序列长度呈二次方增长，导致长上下文推理对GPU显存的非线性消耗75% 相似待验证Pure Transformer architectures see inference costs grow quadratically with sequence length75% 相似待验证SSM在长序列处理上具有线性时间复杂度优势，而标准Transformer的注意力计算复杂度为序列长度的平方75% 相似已验证注意力机制的计算复杂度随上下文窗口长度呈平方级增长，导致推理延迟与成本急剧上升73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/20359

API

curl https://kongchang.com/api/v1/knowledge/claims/20359

MCP

get_claim(id=20359)