待验证50% 置信事实精确时间
Liquid探索的液态基础模型（LFM）基于常微分方程（ODE）的连续时间动态系统建模序列关系，在长序列推理时内存占用为线性而非平方复杂度
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证Liquid AI开源了LFM2.5模型，总参数量为8.3B，每次推理只激活1.5B参数（约18%）67% 相似待验证LLM输出具有非确定性，同一输入在不同时间可能产生不同输出，因此评估流水线常用LLM-as-Judge方法用另一个强大模型评判目标模型输出质量64% 相似待验证MLflow的评估框架采用了LLM-as-Judge范式，用一个强模型来评判另一个模型的输出61% 相似待验证使用独立的、更轻量的LLM作为后处理层清理主模型的冗余输出，是一种管道式（pipeline）双模型架构方案61% 相似待验证LLM成本优化体系可分为模型层、提示层、推理层、流量层，语义缓存属于流量层优化60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/544944API
curl https://kongchang.com/api/v1/knowledge/claims/544944MCP
get_claim(id=544944)