待验证50% 置信事实精确时间
Mamba推理时的内存占用保持恒定，不会随序列长度线性增长，在语言建模任务上缩小了与Transformer的差距
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
相关事实
待验证Mamba在推理阶段可以以纯递归模式运行，内存占用恒定79% 相似已验证标准Transformer在推理时没有持久化状态，每次调用都是无状态的前向计算，模型本身没有记忆能力68% 相似已验证以 Mamba 为代表的状态空间模型通过维护固定大小的隐状态压缩历史信息，推理时的时间和空间复杂度均为 O(1)67% 相似待验证基于Transformer的LLM每次推理都是独立的前向传播计算，模型权重在推理阶段固定不变，所谓的上下文记忆本质上是将历史对话文本重新注入提示词66% 相似待验证2023年Gu和Dao提出Mamba，引入输入依赖的选择性机制（selective scan），在保持线性时间复杂度的同时获得与Transformer相当甚至更优的语言建模性能66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/981675API
curl https://kongchang.com/api/v1/knowledge/claims/981675MCP
get_claim(id=981675)