待验证60% 置信事实精确时间
LLM自回归解码阶段受内存带宽瓶颈限制，每生成一个token需完整遍历被激活的模型权重
2
来源数
60%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
待验证LLM自回归解码阶段每生成一个token都需从显存加载全量模型权重，批量较小时形成内存墙83% 相似待验证LLM 推理是自回归逐 token 生成，瓶颈在于内存带宽与 KV Cache 管理，与扩散模型推理存在本质差异79% 相似待验证LLM 推理在 decode 阶段通常是内存带宽受限而非计算受限，因为逐 token 生成需加载整个模型权重但算术强度极低78% 相似待验证在自回归生成阶段每生成一个token都需要从内存读取整个模型全部权重，使得生成阶段严重受限于内存带宽而非计算能力（memory-bound）74% 相似已验证LLM 推理分为预填充阶段（Prefill，计算密集型）和解码阶段（Decode，内存带宽密集型）两个阶段74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/596613API
curl https://kongchang.com/api/v1/knowledge/claims/596613MCP
get_claim(id=596613)