待验证50% 置信事实精确时间
该框架的核心目标是用数学语言重新表述Transformer的计算过程，以识别模型内部可被理解的电路（circuits）
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
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77% 相似待验证在传统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76% 相似待验证当前主流大语言模型采用Transformer架构的自回归生成机制，逐Token从左到右生成，无法在生成后回头修改已输出的推理步骤73% 相似待验证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71% 相似待验证循环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71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/917337API
curl https://kongchang.com/api/v1/knowledge/claims/917337MCP
get_claim(id=917337)