已验证65% 置信事实精确时间
自回归模型每多生成一个token就多获得一次Transformer前向传播的计算机会，用序列长度换取计算深度
3
来源数
65%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
待验证循环Transformer引入了循环深度（Recurrent Depth）的概念，允许模型在相同的层级结构中多次迭代处理信息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78% 相似待验证多模态模型将不同模态数据通过各自编码器转换为统一向量表示，再送入同一Transformer架构进行联合推理76% 相似待验证Transformer模型通过KV Cache机制加速推理，但其内存占用与上下文长度成正比76% 相似待验证标准Transformer推理中每生成一个新token需访问所有历史token的键值向量，KV缓存内存占用随序列长度线性增长75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/729942API
curl https://kongchang.com/api/v1/knowledge/claims/729942MCP
get_claim(id=729942)