已过期60% 置信事实精确时间
Transformer架构的推理机制决定了模型本身没有持久记忆能力，所有'记忆'完全依赖当前会话中提供的上下文
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
Claude-mem: The Open-Source Memory System That Stops AI from Forgetting
bilibili锋芒AI2026/6/4
相关事实
已验证标准Transformer在推理时没有持久化状态，每次调用都是无状态的前向计算，模型本身没有记忆能力84% 相似待验证基于Transformer的LLM每次推理都是独立的前向传播计算，模型权重在推理阶段固定不变，所谓的上下文记忆本质上是将历史对话文本重新注入提示词79% 相似待验证Transformer架构以牺牲原生序列记忆换取并行训练能力，而RNN/LSTM通过隐向量在时间步之间传递状态天然具备序列记忆能力77% 相似已验证大模型默认不具备记忆能力，需要引入ChatMemory机制才能记住过去几轮对话内容75% 相似待验证Memory机制在大语言模型工程中对应系统提示词工程与外部记忆存储的结合，用于模拟无状态模型的持久化状态75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/46231API
curl https://kongchang.com/api/v1/knowledge/claims/46231MCP
get_claim(id=46231)