待验证50% 置信事实精确时间

文本生成阶段是memory-bound问题，速度受限于内存带宽；预填充阶段是compute-bound场景，可高度并行化

1

来源数

50%

置信度

长期有效

时效性

2026/8/21

首次发现

来源

24GB Mac mini跑27B大模型：三个关键设置防止内存溢出

相关事实

待验证规格文件充当跨会话的记忆载体，可对抗智能体的上下文衰减（context decay）69% 相似待验证Prefill阶段是计算密集型操作，Decode阶段是显存带宽密集型操作69% 相似待验证实际开发中通常在存储长期记忆前让大模型对对话做总结摘要，提炼核心信息后再持久化，以节省空间并提高检索精确度69% 相似已验证大语言模型推理分预填充和解码两阶段：预填充是计算密集型对GPU算力敏感，解码是内存带宽受限任务68% 相似待验证LLM 缺乏跨会话记忆使得多轮迭代后生成的代码难以保持一致性，可通过 Memory Bank 结构化 Markdown 文件部分弥补67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/781392

API

curl https://kongchang.com/api/v1/knowledge/claims/781392

MCP

get_claim(id=781392)