待验证50% 置信事实精确时间
循环Transformer每个循环步骤都需存储独立的KV缓存，导致KV缓存随循环步数线性增长。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证Transformer架构的自回归生成机制导致输入Token只需一次前向传播编码并以KV Cache存储复用，而输出Token每一步生成都需完整前向传播，推理成本随输出长度线性增长74% 相似待验证提示词缓存依赖Transformer的KV缓存机制，通过复用相同前缀已计算的KV向量跳过重复计算，节省GPU算力并降低首Token延迟72% 相似待验证全栈循环Transformer将上下文构建与迭代状态细化置于同一循环计算中，未明确区分二者角色。72% 相似已验证循环Transformer通过重复使用相同的权重矩阵，可以在不大幅增加参数量的情况下实现更深层次的信息处理68% 相似待验证Transformer 架构中自注意力层会为每个 Token 生成对应的 Key 和 Value 向量并缓存在 GPU 显存中，即 KV Cache 机制，上下文越长占用显存越大，推理成本呈近线性增长66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134267API
curl https://kongchang.com/api/v1/knowledge/claims/1134267MCP
get_claim(id=1134267)