待验证50% 置信事实精确时间
Transformer的自注意力机制天然是无记忆的，每次推理从零开始，仅依赖当前输入的上下文窗口
1
来源数
50%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
待验证Transformer的无状态特性源于多头自注意力机制，模型权重在推理阶段严格冻结，不存在跨请求的隐状态传递84% 相似待验证Transformer 架构的自注意力机制在推理阶段表现为纯函数映射，不保留任何跨调用的内部状态82% 相似已验证Transformer的注意力机制缺乏随时间动态迭代的误差修正循环，这是其与生物注意力机制的根本分野81% 相似已验证标准 Transformer 的 Self-Attention 机制需要对整个输入序列做全局计算，天然不适合边输入边处理的流式场景81% 相似待验证Transformer架构中的因果掩码在注意力矩阵中将未来位置置零，从结构层面强制实现单向因果性，既支持训练时并行处理，又在推理时保持时间因果顺序79% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/580007API
curl https://kongchang.com/api/v1/knowledge/claims/580007MCP
get_claim(id=580007)