部分验证65% 置信事实时间未知
TRE采用基于TNFA（Tagged NFA）的算法，时间复杂度为O(n·m)，从根本上消除了回溯带来的指数级性能风险
3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
涉及实体
相关事实
待验证自注意力机制解决了RNN架构在处理长序列时的梯度消失问题，并天然支持大规模并行计算63% 相似待验证NTT（数论变换）能将多项式乘法的复杂度从 O(n²) 降至 O(n log n)63% 相似待验证RNN（循环神经网络）的核心缺陷在于其串行计算特性，必须按时间步逐一处理序列，导致长距离依赖关系随序列长度指数级衰减61% 相似待验证精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升61% 相似待验证经典LLL算法在使用精确有理数运算时中间有理数位长最坏可达O(n·β)级别，整体复杂度达到O(n⁵·β³)甚至更高60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/34132API
curl https://kongchang.com/api/v1/knowledge/claims/34132MCP
get_claim(id=34132)