Unverified60% confidenceFactTime unknown
大语言模型推理的瓶颈往往不在计算能力，而在于内存带宽
2
Sources
60%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Qwen 3.6 MTP实测：三行参数提速20%的秘密
bilibili比特光锥_BightCone
Related Entities
Related Claims
Unverified语言模型输出具有概率性和语义模糊性，难以用精确断言衡量质量，这使得TDD思想迁移至提示词领域面临挑战79% similarUnverified大语言模型在推理时无法可靠区分系统指令与用户/外部内容的边界，这是提示词注入的根本性局限，与SQL注入原理相似78% similarUnverified自回归语言模型的OOD检测比传统机器学习更困难，因为语言组合空间庞大、语义OOD与表面形式OOD不对应，且对抗者可构造统计上看似in-distribution但语义触发OOD的输入77% similarUnverified大语言模型难以编码为什么在特定社会语境中词的真实含义与字面意义相反这类元认知推理，这一局限被称为'语用鸿沟'（pragmatic gap）76% similarUnverified大语言模型在二维空间推理上存在系统性短板，因训练数据以文本为主、缺乏空间关系监督信号76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/18092API
curl https://kongchang.com/api/v1/knowledge/claims/18092MCP
get_claim(id=18092)