待验证50% 置信事实精确时间
自回归模型每多生成一个token就多获得一次Transformer前向传播的计算机会，用序列长度换取计算深度
1
来源数
50%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
待验证现代大模型基于Transformer架构，每生成一个token都需要对模型全部参数执行一次前向传播78% 相似待验证多模态模型将不同模态数据通过各自编码器转换为统一向量表示，再送入同一Transformer架构进行联合推理76% 相似待验证在传统Transformer架构中，每个token的计算量是固定的，而思维链（Chain-of-Thought）技术通过让模型生成中间推理步骤来增加有效计算量75% 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75% 相似待验证大模型底层采用Transformer架构，其注意力机制要求每个token与上下文中所有其他token进行交互计算，带来近似二次方复杂度特性74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/729942API
curl https://kongchang.com/api/v1/knowledge/claims/729942MCP
get_claim(id=729942)