待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
相关事实
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85% 相似待验证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84% 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76% 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76% 相似待验证Transformer架构模型本质上是无状态函数，记忆完全依赖每次调用时传入的上下文窗口76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/604519API
curl https://kongchang.com/api/v1/knowledge/claims/604519MCP
get_claim(id=604519)