待验证60% 置信事实精确时间
The Transformer was originally designed to solve the bottleneck of Recurrent Neural Networks (RNNs) being unable to perform parallel computation in machine translation tasks.
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
相关事实
待验证RNN 必须按时间步顺序处理输入，无法充分利用现代 GPU 的并行计算能力，这是 Transformer 取代它的根本原因75% 相似待验证The Transformer architecture uses a Self-Attention mechanism to achieve efficient parallel processing of sequential data, replacing RNN/LSTM architectures.66% 相似待验证相比RNN/LSTM架构，Transformer支持大规模并行计算66% 相似待验证现代商用NPU执行Transformer模型推理时的能效比可达GPU的5至10倍65% 相似待验证主流Transformer架构通过KV Cache机制避免重复计算已处理的Token64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/40748API
curl https://kongchang.com/api/v1/knowledge/claims/40748MCP
get_claim(id=40748)