待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
Codex超高推理模式隐藏成本：一个任务耗尽70%额度的真相
redditr/OpenAI2026/7/12
相关事实
待验证Transformer模型是纯粹的序列到序列映射函数，其参数在推理阶段完全静态，无机制在推理中主动探测外部环境状态74% 相似待验证基于Transformer的LLM每次推理都是独立的前向传播计算，模型权重在推理阶段固定不变，所谓的上下文记忆本质上是将历史对话文本重新注入提示词73% 相似待验证标准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73% 相似部分验证Transformer通过自注意力机制让模型处理每个token时能动态关注序列中所有其他token，并实现完全并行化训练72% 相似已验证Transformer的关键创新在于自注意力机制（Self-Attention），允许模型在处理一个token时同时关注输入序列中所有其他词的信息71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/611026API
curl https://kongchang.com/api/v1/knowledge/claims/611026MCP
get_claim(id=611026)