待验证50% 置信事实精确时间
传统大语言模型本质上是在预测下一个 token，输出自然语言，需要额外一层（如输出 JSON、函数调用）才能执行任务
1
来源数
50%
置信度
长期有效
时效性
2026/9/19
首次发现
来源
涉及实体
相关事实
待验证现代大语言模型采用自回归（Auto-regressive）方式生成代码，每次预测下一个Token只能参考已有上下文74% 相似已验证大语言模型本质上是一个基于概率的文本预测系统，其核心机制是「下一个词预测」（Next Token Prediction），并不真正理解语义72% 相似待验证大语言模型是无状态的文本预测系统，每次推理调用仅接收当前输入的Token序列，不存储跨请求的持久化状态71% 相似已验证大语言模型的Token生成过程是串行的，基于自回归机制，每个Token的生成都依赖于前一个Token71% 相似待验证大语言模型通过自回归生成机制（autoregressive generation）逐token预测下一个输出，天然倾向于生成更完整而非更精简的代码71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/935303API
curl https://kongchang.com/api/v1/knowledge/claims/935303MCP
get_claim(id=935303)