已验证65% 置信事实精确时间
Transformer克服了RNN/LSTM架构因顺序计算导致的长距离依赖衰减问题，同时天然支持并行计算
3
来源数
65%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证Transformer 中任意两个位置之间的信息传递路径长度恒为1，从根本上克服了 RNN 在长序列上因梯度消失导致的遗忘问题81% 相似待验证LLM.int8() 发现 Transformer 中部分通道的激活值远超其他通道，直接影响整数量化的精度74% 相似待验证Transformer缺乏CNN天然具备的局部性、平移不变性等归纳偏置，因此DETR必须完全依靠数据学习空间关系，导致对数据量需求极大74% 相似待验证标准Transformer在处理需要精确计数、栈操作或复杂状态依赖的任务时表现不稳定，与其注意力机制的软寻址特性有关73% 相似待验证标准Transformer的单次前向传播等价于固定深度的计算图，其表达能力受限于TC^0复杂度类，但通过多步推理可接近图灵完备的计算能力73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503233API
curl https://kongchang.com/api/v1/knowledge/claims/503233MCP
get_claim(id=503233)