待验证50% 置信事实精确时间
门控DeltaNet通过维护固定大小的隐状态矩阵，使推理时的内存占用与上下文长度无关
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
部分验证大模型本质上是无状态的，每次推理时模型只能看到当前输入的Token序列，没有持久化的记忆存储63% 相似待验证DeltaNet是线性注意力的变体，用增量更新规则替代softmax注意力，将序列处理复杂度从O(n²)降至O(n)63% 相似待验证推理过程中每个token需要维护KV缓存（Key-Value cache），其显存占用与序列长度和模型层数成正比61% 相似已验证自回归大模型推理瓶颈并非计算量而是内存带宽，推测解码通过拒绝采样保证输出分布与原始大模型完全一致61% 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60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/907269API
curl https://kongchang.com/api/v1/knowledge/claims/907269MCP
get_claim(id=907269)