待验证50% 置信概念精确时间
Mixture-of-Transformers（MoT）为每种模态保留独立的 Transformer 分支，允许在指定层通过跨模态注意力进行信息交互。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
学会回答空间问题，能否提升新视角生成？
rss2026/10/14
涉及实体
相关事实
待验证Transformer以自注意力（Self-Attention）机制为核心，由编码器和解码器两部分组成，能够并行处理序列中所有位置的信息76% 相似已验证GPT-Image-2很可能采用了原生多模态架构，文本理解和图像生成共享同一个Transformer骨干网络66% 相似待验证新一代多模态模型通过统一的Transformer骨干网络将文字、图像、视频转化为同一向量表示空间进行推理，实现原生多模态理解65% 相似待验证reViT（Recurrent Vision Transformer）通过将单个Transformer块反复递归应用，在同等推理FLOPs下可达到全深度视觉编码器的精度，且无需中间特征蒸馏。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037883API
curl https://kongchang.com/api/v1/knowledge/claims/1037883MCP
get_claim(id=1037883)