待验证50% 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
1
来源数
50%
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% 相似待验证当前Transformer架构在处理分散于超长上下文中的隐式约束时存在根本性局限，导致修改代码时引入隐蔽bug73% 相似待验证Transformer模型存在位置偏差，对中间位置信息的检索能力尤其薄弱，即lost in the middle问题72% 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)