待验证50% 置信权衡取舍精确时间

由于省去逐 token 生成循环，单次推理的时间复杂度从 O(n) 降为近似常数级，在高并发路由场景中吞吐量优势明显

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

Decision 3.0发布：vLLM语义路由的开源决策模型解析

涉及实体

决策模型concept

相关事实

待验证不缓存K和V时每次生成都要对整个上下文重新计算，时间复杂度是O(n²)78% 相似待验证谱聚类对拉普拉斯矩阵进行特征分解的时间复杂度通常为 O(n³)，是整个流程中最耗时的环节73% 相似待验证精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升72% 相似待验证Neural ODE通过伴随方法反向计算梯度，无需存储中间激活值，内存复杂度从O(层数)降为O(1)72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999816

API

curl https://kongchang.com/api/v1/knowledge/claims/999816

MCP

get_claim(id=999816)