待验证60% 置信事实精确时间

LLM的无状态性是Transformer架构的基本特征，模型在会话结束或上下文清空后不存储任何状态

2

来源数

60%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

Capn-hook：让编程Agent告别重复探索，实现跨任务知识沉淀

相关事实

待验证LLM在架构层面采用Transformer的注意力机制，每次推理在当前上下文窗口内独立完成，不存在跨会话的持久化状态77% 相似已验证标准Transformer在推理时没有持久化状态，每次调用都是无状态的前向计算，模型本身没有记忆能力75% 相似待验证LLM本质上是无状态的文本预测系统，没有感知当前运行环境的原生能力72% 相似待验证大语言模型（LLM）在架构层面是无状态系统，每次推理调用是一次独立的前向传播计算，模型权重在推理阶段完全冻结71% 相似待验证Transformer模型是纯粹的序列到序列映射函数，其参数在推理阶段完全静态，无机制在推理中主动探测外部环境状态70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/544308

API

curl https://kongchang.com/api/v1/knowledge/claims/544308

MCP

get_claim(id=544308)