待验证85% 置信事实时间未知

负向提示词包含过多token时，每个token在交叉注意力计算中分到的权重被稀释，导致单个约束的实际抑制效力大幅下降

1

来源数

85%

置信度

长期有效

时效性

2026/6/2

首次发现

来源

Mac本地批量AI生图实战：万张插画踩坑与最佳实践

bilibili爱折腾的波波

涉及实体

Classifier-Free Guidanceconcept Stable Diffusionmodel

相关事实

待验证Prompt中token数量过多会稀释注意力机制的聚焦能力，降低每个描述的实际影响力80% 相似待验证单一智能体面临上下文窗口限制和注意力稀释两大瓶颈，任务复杂度超过单次推理能力时输出质量会显著下降72% 相似待验证量化误差具有非均匀分布特性，注意力机制的Q/K/V矩阵和最后几层对量化更为敏感71% 相似待验证Multi-head Latent Attention通过将KV缓存压缩到低维潜在空间中，大幅降低推理时的显存占用和计算开销71% 相似待验证负向约束通过明确排除不期望的输出收窄概率空间，与正向指令同等重要，可减少模型创造性发挥的偏差71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/36848

API

curl https://kongchang.com/api/v1/knowledge/claims/36848

MCP

get_claim(id=36848)