待验证60% 置信事实精确时间
LLM 的自回归生成特性决定其输出是逐 Token 的流式传输，源于 Transformer 架构的解码策略
2
来源数
60%
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LLM 的自回归生成特性决定了输出是逐 Token 的流式传输，在前端产生流式接收、增量 DOM 更新、不完整 Markdown 容错解析等工程需求81% 相似已验证LLM基于Transformer架构采用自回归（Autoregressive）方式生成文本，每次前向传播只预测一个token，然后将该token追加到输入序列再预测下一个token76% 相似已验证LLM本质上是基于Transformer架构的概率分布估计器，输出是对下一个Token的概率采样75% 相似待验证LLM 推理是自回归逐 token 生成，瓶颈在于内存带宽与 KV Cache 管理，与扩散模型推理存在本质差异73% 相似待验证Transformer 模型推理时，输入 token 可并行处理（prefill 阶段），输出 token 必须逐个自回归生成（decode 阶段），导致输出 token 的单价通常高于输入 token73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/545131API
curl https://kongchang.com/api/v1/knowledge/claims/545131MCP
get_claim(id=545131)