待验证50% 置信事实精确时间

ToMe 借助 bipartite soft matching 算法，在每个 Transformer 层中找出余弦相似度最高的 token 对并合并为单个 token，该过程发生在注意力计算之前

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

Token Merging：让多语种语音识别更快更省的实用方案

涉及实体

Token Mergingtechnology

相关事实

待验证Transformer架构采用自回归方式生成文本，每次输出一个Token并追加到输入序列后预测下一个Token，导致推理过程串行67% 相似已验证token切分设计源于字节对编码（BPE）等分词算法65% 相似待验证投机解码技术由轻量草稿模型先生成候选Token序列再由主模型并行验证，相比逐Token串行生成可带来3-5倍速度提升65% 相似待验证Transformer使用位置编码（Positional Encoding）在并行计算的同时保留词的顺序信息64% 相似待验证自回归解码具有串行特性，每个Token的生成依赖前一个Token，难以并行62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921770

API

curl https://kongchang.com/api/v1/knowledge/claims/921770

MCP

get_claim(id=921770)