待验证50% 置信事实精确时间
Transformer将token映射为高维向量，语义关系体现为向量空间中的几何结构——相似概念距离较近，形成簇和流形。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证各向异性现象的根源在于Transformer的自注意力机制和残差连接结构，使高频词的梯度信号主导嵌入空间整体方向72% 相似已验证从头实现Transformer需要理解并手写注意力权重的矩阵运算、位置编码、残差连接与层归一化等组件70% 相似待验证潜空间中每种视觉风格对应一个方向向量，风格融合本质上是向量的线性插值或加权叠加，这一特性被称为潜空间的语义线性性68% 相似待验证arXiv论文《Metonymic Circuits for Abstract Concept Grounding in Vision Transformers》提出视觉Transformer通过转喻接地机制理解抽象概念68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062278API
curl https://kongchang.com/api/v1/knowledge/claims/1062278MCP
get_claim(id=1062278)