待验证50% 置信事实精确时间
Transformer架构的自回归生成机制导致输入Token只需一次前向传播编码并以KV Cache存储复用，而输出Token每一步生成都需完整前向传播，推理成本随输出长度线性增长
1
来源数
50%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证Transformer 架构中自注意力层会为每个 Token 生成对应的 Key 和 Value 向量并缓存在 GPU 显存中，即 KV Cache 机制，上下文越长占用显存越大，推理成本呈近线性增长78% 相似待验证In traditional Transformer architectures, as sequence length increases, both floating-point operations for attention computation and KV Cache memory usage grow linearly or even super-linearly.75% 相似待验证In the Transformer architecture, generating each new token requires attention computation over all previous tokens, and KV Cache avoids redundant computation by caching previously computed key-value pairs.74% 相似待验证Unsloth通过手动重写Transformer核心算子的反向传播过程避免PyTorch自动微分引入的额外显存开销，在反向传播时重新计算中间激活值而非缓存71% 相似已验证在Transformer架构中，系统指令的token会被放置在注意力机制的最前端，对后续所有生成内容产生持续性的约束影响70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/554778API
curl https://kongchang.com/api/v1/knowledge/claims/554778MCP
get_claim(id=554778)