已验证90% 置信事实精确时间

自注意力机制使计算复杂度随序列长度呈二次方增长，上下文从1000扩展至4000 token计算量增加16倍

6

来源数

90%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

AI数据中心抢电：美国制造业能源成本为何持续飙升

hackernewshackernews2026/7/7

相关事实

待验证大语言模型的注意力机制计算复杂度与序列长度的平方成正比，处理200K token上下文的计算成本远超过处理50K token80% 相似待验证14倍的提升由多因子叠加而来：批处理贡献3-4倍、内存优化贡献1.5-2倍、会话复用与线程调优再叠加若干77% 相似已验证分辨率翻倍时模型需要处理的注意力计算量往往增长至四倍甚至更高，导致耗时非线性增长75% 相似待验证Transformer 的注意力计算随序列长度呈平方增长，1M token 的原始注意力在算力上不可行。74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/489909

API

curl https://kongchang.com/api/v1/knowledge/claims/489909

MCP

get_claim(id=489909)