待验证50% 置信事实精确时间
在Transformer架构中，对于拥有N个参数的模型，生成每个token大约需要2N次浮点运算
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
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% 相似待验证在Transformer架构中，每生成一个token的计算量与激活参数量近似成正比，稠密模型激活参数量等于总参数量，MoE模型激活参数量远小于总参数量75% 相似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74% 相似待验证Transformer架构在每次推理时必须处理完整的输入序列，代理执行到第N步时输入上下文必须包含前N-1步的完整执行轨迹74% 相似待验证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73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/808802API
curl https://kongchang.com/api/v1/knowledge/claims/808802MCP
get_claim(id=808802)