待验证50% 置信事实精确时间

现代基于Transformer的语言模型是在大规模自然文本上预训练的，注入结构化标注会破坏模型习惯的输入形式并引入噪声

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

语言结构增强能提升文本连贯性评估吗？实验证明反而降低准确率

涉及实体

Transformerconcept

相关事实

待验证扩散语言模型的Transformer通常采用双向注意力，需接收时间步信息（通过正弦编码或AdaLN注入），因此标准预训练语言模型权重不能直接复用77% 相似待验证额外添加的句法和修辞信息在结构上与基于Transformer的语言模型架构存在根本性不兼容76% 相似已验证当前几乎所有主流大语言模型都基于Transformer架构75% 相似待验证语码转换需要真实数据，因为自然语码转换是潜意识的语言习惯，刻意表演出的语码转换会显得生硬72% 相似已验证大语言模型本质上是无状态的，不存在跨会话的原生记忆机制，这根植于Transformer架构本身70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/907934

API

curl https://kongchang.com/api/v1/knowledge/claims/907934

MCP

get_claim(id=907934)