待验证60% 置信事实精确时间
Transformer架构自2017年由Google提出，其自注意力机制计算复杂度随序列长度呈平方级增长
2
来源数
60%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
LangChain+MCP实战：大模型选型与本地部署避坑指南
bilibili码士集团-马小琪2026/7/5
相关事实
待验证Transformer由Google于2017年发布，其自注意力机制允许模型动态计算词元与序列中所有其他词元的关联权重81% 相似待验证Conformer（Convolution-augmented Transformer）架构由Google在2020年提出，结合了Transformer的全局自注意力机制和卷积神经网络的局部特征提取能力78% 相似已验证Transformer架构于2017年由Google提出77% 相似待验证2017年谷歌发表《Outrageously Large Neural Networks》，系统验证了稀疏MoE在Transformer结构中的有效性77% 相似待验证Google Brain于2017年在《Outrageously Large Neural Networks》论文中将MoE规模化应用于Transformer框架77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/181375API
curl https://kongchang.com/api/v1/knowledge/claims/181375MCP
get_claim(id=181375)