待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
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.79% 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.79% 相似待验证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78% 相似待验证GPU并行归约操作的浮点累加顺序不固定导致传统Transformer注意力机制的实际输出存在微小的不可复现波动78% 相似待验证从头实现 Transformer 需要理解注意力分数除以 √d_k 的原因等数值稳定性处理，是区分「会用框架」与「理解原理」的分水岭任务75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/559864API
curl https://kongchang.com/api/v1/knowledge/claims/559864MCP
get_claim(id=559864)