待验证50% 置信事实精确时间
预填充阶段是计算密集型(compute-bound),需一次性处理全部输入token并生成KV Cache,注意力矩阵计算复杂度为O(n²)
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证引入KV Cache可将自回归生成的计算复杂度从O(N²)降为O(N)75% 相似待验证投机解码通过小型草稿模型生成候选token由主模型并行验证以提升推理速度；稀疏注意力将计算复杂度从O(n²)降至接近O(n)72% 相似待验证KV Cache技术允许模型在自回归生成时复用历史token的注意力Key-Value矩阵计算结果，使长对话推理延迟从O(n²)降低至接近线性71% 相似待验证自注意力机制的QK^T计算对于序列长度n、隐藏维度d的模型需要O(n²d)次乘加运算69% 相似已验证推理模型的自回归生成过程严格串行，KV Cache显存占用随思考Token序列线性增长，内存带宽成为性能瓶颈68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/891039API
curl https://kongchang.com/api/v1/knowledge/claims/891039MCP
get_claim(id=891039)