已验证65% 置信事实精确时间
Transformer已从NLP渗透至计算机视觉（ViT）、语音识别（Whisper）、多模态模型（CLIP、GPT-4V）乃至蛋白质结构预测（AlphaFold2）
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架构最初由Vaswani等人于2017年为NLP设计，后被迁移到视觉（ViT）、音频、蛋白质结构预测等几乎所有AI子领域72% 相似待验证扩散Transformer（DiT）是将Transformer架构引入扩散模型的一类生成骨干网络，把带噪图像切成patch并线性嵌入为token序列，用多层Transformer块预测噪声或速度，取代传统扩散模型中的U-Net。68% 相似待验证以Transformer架构为基础的端到端模型（如OpenAI的Whisper、Meta的wav2vec 2.0）在通用场景下取得了接近人类水平的识别精度67% 相似待验证Transformers库集成了GPTQ、AWQ、bitsandbytes等量化技术和Flash Attention加速方案66% 相似待验证NVIDIA 的 Conformer 系列将卷积模块嵌入 Transformer 层以捕捉局部音频模式66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507877API
curl https://kongchang.com/api/v1/knowledge/claims/507877MCP
get_claim(id=507877)