待验证50% 置信事实精确时间
Transformer 架构的自注意力机制在推理阶段表现为纯函数映射，不保留任何跨调用的内部状态
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
LangChain 1.3实战入门：大模型与Agent核心解析
bilibilicoming-AI2026/7/9
相关事实
待验证Transformer的无状态特性源于多头自注意力机制，模型权重在推理阶段严格冻结，不存在跨请求的隐状态传递85% 相似待验证Transformer的自注意力机制天然是无记忆的，每次推理从零开始，仅依赖当前输入的上下文窗口82% 相似已验证Set Transformer基于自注意力机制建模行向量交互，通过去掉位置编码保持排列不变性81% 相似已验证标准 Transformer 的 Self-Attention 机制需要对整个输入序列做全局计算，天然不适合边输入边处理的流式场景81% 相似待验证Transformer架构模型本质上是无状态函数，记忆完全依赖每次调用时传入的上下文窗口80% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488827API
curl https://kongchang.com/api/v1/knowledge/claims/488827MCP
get_claim(id=488827)