待验证50% 置信事实精确时间
标准Transformer推理中每生成一个新token需访问所有历史token的键值向量，KV缓存内存占用随序列长度线性增长
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
待验证自回归模型每多生成一个token就多获得一次Transformer前向传播的计算机会，用序列长度换取计算深度75% 相似待验证Transformer架构以牺牲原生序列记忆换取并行训练能力，而RNN/LSTM通过隐向量在时间步之间传递状态天然具备序列记忆能力73% 相似待验证Transformer模型具有无状态特性，所有历史交互信息必须在每次前向传播时以显式token序列完整输入到上下文窗口中73% 相似已验证KV Cache是Transformer架构的核心推理优化机制，其显存占用量会随序列长度和并发批次线性增长72% 相似待验证自回归模型使用KV Cache缓存历史token的Key和Value矩阵，显存占用随序列长度线性增长71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/570450API
curl https://kongchang.com/api/v1/knowledge/claims/570450MCP
get_claim(id=570450)