待验证50% 置信事实精确时间
Anthropic团队于2022年解析了Transformer内部的归纳头（induction heads）机制
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
块稀疏特征器：揭开视觉模型神经几何的黑箱
hackernewshackernews2026/7/7
相关事实
部分验证The Transformer's core innovation is the self-attention mechanism, which allows models to attend to all positions in the input simultaneously rather than processing step-by-step like RNNs or LSTMs71% 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71% 相似待验证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70% 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69% 相似待验证Decision Transformer等Transformer架构的引入为处理超长时序依赖提供了新工具69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/313868API
curl https://kongchang.com/api/v1/knowledge/claims/313868MCP
get_claim(id=313868)