待验证50% 置信权衡取舍精确时间
循环深度一次循环迭代的计算量大致等同于通过一个Transformer层的前向传播，但无需执行词汇表上的softmax采样和token解码，因此思考量相同时开销可能数量级更低
1
来源数
50%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证标准Transformer的单次前向传播等价于固定深度的计算图，其表达能力受限于TC^0复杂度类，但通过多步推理可接近图灵完备的计算能力75% 相似待验证Pure Transformer architectures see inference costs grow quadratically with sequence length69% 相似已验证Transformer架构的自注意力机制在处理长序列时面临二次方复杂度的计算开销，上下文长度翻倍则计算量增长四倍69% 相似待验证Transformer的KV Cache随序列长度呈二次方增长，导致长上下文推理对GPU显存的非线性消耗66% 相似待验证Transformer 推理的 prefill 阶段主要受计算能力（FLOPS）瓶颈制约，而 decode 阶段主要受内存带宽瓶颈制约66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/852737API
curl https://kongchang.com/api/v1/knowledge/claims/852737MCP
get_claim(id=852737)