待验证70% 置信事实精确时间
LLM采用自回归方式生成文本，每次只产出一个token，且下一个token的生成必须等待前一个token完成
2
来源数
70%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证LLM采用自回归方式生成文本，每次只生成一个Token，生成N个Token需要N次前向推理，延迟与输出长度呈线性关系78% 相似已验证LLM基于Transformer架构采用自回归（Autoregressive）方式生成文本，每次前向传播只预测一个token，然后将该token追加到输入序列再预测下一个token76% 相似待验证LLM采用自回归方式生成文本，每次只生成一个token并追加到输入序列，生成100个token需要执行100次完整的模型前向传播73% 相似待验证LLM每次推理时仅处理当前输入的token序列，不保留跨会话的持久化状态（无状态性）71% 相似待验证LLM的推理是自回归的：每生成一个Token都要经过一次完整的前向传播。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/869114API
curl https://kongchang.com/api/v1/knowledge/claims/869114MCP
get_claim(id=869114)