待验证60% 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
2
来源数
60%
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% 相似待验证提示词缓存依赖Transformer的KV缓存机制，通过复用相同前缀已计算的KV向量跳过重复计算，节省GPU算力并降低首Token延迟76% 相似待验证Looped Transformer让同一组层被反复循环调用，从而在两次文本输出之间插入远多于常规前向传播的串行计算步骤。75% 相似已验证循环Transformer通过重复使用相同的权重矩阵，可以在不大幅增加参数量的情况下实现更深层次的信息处理73% 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)