待验证50% 置信事实精确时间
在Transformer自回归推理模式下，输出Token数量与计算开销之间存在超线性关系
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
GLM-5.2发布：开源编程能力首次逼近闭源旗舰模型
bilibili五里墩茶社2026/6/22
相关事实
待验证Transformer架构中模型参数量与推理延迟之间呈近似线性关系78% 相似待验证在传统Transformer架构中，每个token的计算量是固定的，而思维链（Chain-of-Thought）技术通过让模型生成中间推理步骤来增加有效计算量74% 相似待验证在Transformer模型中，追求好的推理（预测行为）与实现完美检索会争夺参数空间，二者相互冲突70% 相似已验证Transformer的自注意力机制允许模型直接计算序列中任意两个位置之间的依赖关系，突破了RNN/LSTM因顺序计算导致的并行化瓶颈69% 相似待验证提示工程的理论基础在于Transformer架构的自回归生成特性，模型输出质量高度依赖输入的结构化程度69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/438699API
curl https://kongchang.com/api/v1/knowledge/claims/438699MCP
get_claim(id=438699)