待验证50% 置信事实精确时间

QiYao-I 提出了采样条件化时间流形注意力机制，将真实时间戳映射到可学习的时间流形特征空间，并将时间流形偏置注入注意力层

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

QiYao-I：面向不规则多元时间序列预测的流形基础模型

涉及实体

QiYao-Imodel 采样条件化时间流形注意力concept

相关事实

待验证在扩散模型的U-Net或DiT架构中，注意力层的计算往往是显存和时间的主要消耗来源64% 相似待验证上下文图谱为智能体提供了介于临时上下文和模型权重微调之间的中间层记忆机制，可在不改变底层模型的前提下持续积累经验64% 相似待验证注意力汇聚点现象由MIT的Xiao等人在2023年的StreamingLLM论文中系统描述，指Transformer模型会将大量注意力权重分配给序列开头的几个token（通常是第1-4个）64% 相似待验证扩散模型在逻辑上不记忆上一帧的精确外观，而是依靠注意力机制在时序上维持连贯性，场景切换时连贯性约束会弱化，导致角色外观漂移63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983278

API

curl https://kongchang.com/api/v1/knowledge/claims/983278

MCP

get_claim(id=983278)