待验证50% 置信事实精确时间
线性注意力的数学基础源于2020年 Katharopoulos 等人发表于ICML的《Transformers are RNNs》，将时间复杂度从 O(N²) 降至 O(N)
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
待验证线性注意力的数学基础源于2020年Katharopoulos等人的工作，用核函数替代Softmax注意力中的exp(QKᵀ)68% 相似待验证傅里叶神经算子（FNO）由Zongyi Li等人于2020年提出，学习的是无穷维函数空间之间的映射，能以比传统数值方法快数个数量级的速度求解偏微分方程61% 相似待验证Elhage 等人在2021年的论文《A Mathematical Framework for Transformer Circuits》中系统化了残差流视角61% 相似待验证Ken Perlin于2001年提出单纯形噪声，将计算复杂度从O(2^n)降至O(n^2)并消除方向性伪影61% 相似待验证AI在解决困扰学界60年的埃尔多斯1196号本原集猜想时，引入了原本用于素数研究的冯·曼戈尔特函数59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/592682API
curl https://kongchang.com/api/v1/knowledge/claims/592682MCP
get_claim(id=592682)