待验证50% 置信事实精确时间
大型语言模型（LLM）基于Transformer架构，使用自注意力机制捕捉文本中的长程依赖关系，参数量通常从数十亿到数万亿不等
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Complete Guide to the Coze Platform: Build AI Agents with Zero Code
bilibiliAI大模型学习圈2026/6/14
相关事实
待验证现代大语言模型均基于Transformer的解码器（Decoder-only）变体构建，参数量从数十亿到数万亿不等82% 相似已验证大语言模型基于Transformer架构，通过海量文本数据训练而成78% 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)）75% 相似已验证大语言模型的记忆本质上依赖于Transformer架构的注意力机制，其有效信息容量受限于上下文窗口的token数量74% 相似已验证基于Transformer的大语言模型使用注意力机制将系统提示、用户输入和外部检索内容统一编码为同质化的token序列，模型无法在语义层面区分可信指令与不可信数据74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/46491API
curl https://kongchang.com/api/v1/knowledge/claims/46491MCP
get_claim(id=46491)