待验证50% 置信事实精确时间
在Transformer架构中，每个token的输入经过多层自注意力与前馈网络处理，每一层产生一个高维向量表示，称为“隐藏状态”；所有层、所有token的隐藏状态整体构成“激活空间”。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
已验证Transformer每层包含多头自注意力和前馈神经网络两个核心子模块77% 相似已验证在Transformer架构中，系统指令的token会被放置在注意力机制的最前端，对后续所有生成内容产生持续性的约束影响71% 相似待验证Transformer架构由Vaswani等人于2017年提出，推理计算图由重复的Decoder层叠加而成，每层包含多头自注意力、前馈网络、层归一化和残差连接71% 相似待验证残差流是Transformer架构的核心信息通道，每一层的注意力头和MLP模块以读取-处理-写回的方式与残差流交互71% 相似待验证残差连接是 Transformer 的核心创新之一，每一层的输出是输入加上该层的变换结果70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134667API
curl https://kongchang.com/api/v1/knowledge/claims/1134667MCP
get_claim(id=1134667)