待验证50% 置信事实精确时间

LLM自回归解码阶段每生成一个token都需从显存加载全量模型权重，批量较小时形成内存墙

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

软硬协同设计：构建硬件友好的LLM架构指南

相关事实

待验证LLM自回归解码阶段受内存带宽瓶颈限制，每生成一个token需完整遍历被激活的模型权重83% 相似待验证LLM的记忆依赖于上下文窗口，即模型在单次推理时能够处理的最大Token数量76% 相似已验证LLM 推理分为预填充阶段（Prefill，计算密集型）和解码阶段（Decode，内存带宽密集型）两个阶段74% 相似待验证LLM推理的prefill阶段并行处理输入所有token并生成初始KV Cache，是计算密集型操作，是TTFT的直接决定因素73% 相似待验证LLM的每次调用可以被建模为伯努利试验，N次独立调用的通过次数服从二项分布B(N, p)70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/511285

API

curl https://kongchang.com/api/v1/knowledge/claims/511285

MCP

get_claim(id=511285)