待验证50% 置信事实精确时间

YuE2 底层使用 28 层的 Mixture-of-Transformers（MoT）架构，并行运行自回归（AR）和非自回归（NAR）两种专家类型，它们共享注意力计算但使用独立的归一化、投影和前馈层。

1

来源数

50%

置信度

长期有效

时效性

2026/10/14

首次发现

来源

YuE2：符号规划如何让AI音乐生成可控可编辑

涉及实体

YuE2model Mixture-of-Transformersconcept

相关事实

待验证Wan 2.2 属于扩散变换器（Diffusion Transformer，DiT）架构66% 相似待验证在Transformer架构中，每个层由多头自注意力机制和多层感知机（MLP）两个核心子模块组成65% 相似待验证当今主流视觉编码器在底层架构上高度相似,几乎都基于Transformer63% 相似待验证Laya将双向的ModernBERT-large编码器与一个从零训练的Transformer头部配对，该头部对[MASK]选项标记进行打分62% 相似待验证Krea 2模型在底层架构上融合了扩散Transformer（DiT）思路，优于早期的U-Net架构模型62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1029277

API

curl https://kongchang.com/api/v1/knowledge/claims/1029277

MCP

get_claim(id=1029277)