已过期70% 置信事实时间未知

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

4

来源数

70%

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

GPT-5.1 Deep Dive: 10 Core Features That Transform AI from Chat Tool to Work Partner

bilibiliAI-seeker

相关事实

待验证Transformer架构在每次推理时必须处理完整的输入序列，代理执行到第N步时输入上下文必须包含前N-1步的完整执行轨迹79% 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79% 相似已验证现代大模型基于Transformer架构，每生成一个token都需要对模型全部参数执行一次前向传播79% 相似待验证以Transformer架构为基础的语言模型，其推理计算量与参数规模大致呈正比，参数越多单次推理所需的FLOPs越高77% 相似待验证Transformer架构中模型参数量与推理延迟之间呈近似线性关系77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/59090

API

curl https://kongchang.com/api/v1/knowledge/claims/59090

MCP

get_claim(id=59090)