待验证50% 置信事实精确时间

用序列级目标引导离散扩散模型时，枚举所有可能补全组合会导致计算随未解析位置数量呈指数级增长

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

COFFEE框架：为离散扩散模型注入面向未来的目标引导

涉及实体

离散扩散模型concept

相关事实

待验证多步推理意味着多次模型调用，在真实流量下token消耗和响应延迟会呈非线性增长74% 相似待验证实际部署中因并行计算的浮点非确定性可能产生细微差异并随链式生成放大72% 相似待验证乘积量化通过预先计算的码本距离查表，将逐维度浮点运算的距离计算转化为整数查表累加，提升批量检索吞吐量71% 相似待验证随着大模型推理能力增强，单次调用消耗的token显著攀升，在固定用量限制下形成「更强模型」与「更快触及上限」的悖论70% 相似待验证在多 Agent 编排场景下，若每一层都叠加冗余上下文，上下文污染会随层级呈指数级放大70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961097

API

curl https://kongchang.com/api/v1/knowledge/claims/961097

MCP

get_claim(id=961097)