待验证50% 置信事实精确时间
自注意力机制的计算复杂度和内存占用均为O(n²)，输入从1K增加到10K tokens时计算量增加约100倍
1
来源数
50%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
待验证液态卷积的计算复杂度与序列长度呈线性关系O(n)，而非自注意力的平方关系O(n²)，处理128K Tokens时计算量仅为注意力层的约1/100080% 相似待验证处理128K Token序列所需的注意力矩阵大小是8K Token序列的256倍74% 相似待验证KV Cache 通过在 GPU 显存中缓存已计算的 Key-Value 对，将自注意力计算复杂度从 O(N²) 降至 O(N)，但显存占用随序列长度线性增长71% 相似待验证传统NMS的时间复杂度为O(N²)，YOLOv11对于640×640输入会产生8400个候选框，密集场景下NMS计算量增加71% 相似待验证当前长上下文窗口（100K-1M tokens）的普及使Agent能够维持复杂任务的长期记忆69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/867059API
curl https://kongchang.com/api/v1/knowledge/claims/867059MCP
get_claim(id=867059)