待验证50% 置信事实精确时间
2017 年论文《Attention is all you need》的贡献在于证明可以彻底去掉 RNN，仅靠 Attention 就能完成语言建模，而非首次提出 Attention
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
待验证2017 年 Vaswani 等人发表的《Attention Is All You Need》完全摒弃了 RNN 和 CNN，仅依赖自注意力机制构建序列到序列模型76% 相似待验证自注意力机制（Self-Attention）由Vaswani等人在2017年的论文《Attention Is All You Need》中提出，其计算复杂度为O(n²)75% 相似已验证Transformer是2017年Google Brain团队在论文《Attention is All You Need》中提出的神经网络架构73% 相似已验证Transformer由Vaswani等人于2017年在论文《Attention Is All You Need》中提出，其自注意力机制计算复杂度与序列长度呈O(n²)关系68% 相似已验证Transformer架构由Google在2017年的论文《Attention Is All You Need》中提出，其核心自注意力机制能捕捉序列中任意位置之间的依赖关系66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/570186API
curl https://kongchang.com/api/v1/knowledge/claims/570186MCP
get_claim(id=570186)