待验证50% 置信事实精确时间
LLM采用自回归方式生成文本，每次只生成一个token并追加到输入序列，生成100个token需要执行100次完整的模型前向传播
1
来源数
50%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证自回归模型将文本生成建模为条件概率链，生成一段1000个token的文本需要执行1000次前向推理，且每次推理的计算量随上下文窗口增长而增加69% 相似待验证大语言模型采用自回归方式生成文本，每个token的产出依赖于之前所有token构成的上下文，遵循概率链式法则66% 相似已验证LLM基于Transformer架构采用自回归（Autoregressive）方式生成文本，每次前向传播只预测一个token，然后将该token追加到输入序列再预测下一个token63% 相似待验证输出生成是严格串行的自回归过程，每生成一个token都需要一次完整的模型前向传播63% 相似待验证LLM采用自回归方式生成文本，每次只生成一个Token，生成N个Token需要N次前向推理，延迟与输出长度呈线性关系63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/856676API
curl https://kongchang.com/api/v1/knowledge/claims/856676MCP
get_claim(id=856676)