待验证50% 置信事实精确时间
Conformer是Google于2020年提出的混合神经网络架构，专门为语音识别任务设计
1
来源数
50%
置信度
长期有效
时效性
2026/9/8
首次发现
来源
涉及实体
相关事实
待验证Conformer 系列由 Google 于 2020 年提出，将自注意力的全局建模能力与深度可分离卷积的局部特征提取能力相结合，在 LibriSpeech 基准上曾创下 SOTA78% 相似待验证Conformer（Convolution-augmented Transformer）架构由Google在2020年提出，结合了Transformer的全局自注意力机制和卷积神经网络的局部特征提取能力77% 相似已验证混合专家架构（MoE）由Google Brain于2017年在Transformer框架下规模化应用，核心思想是将模型参数分组为多个专家子网络，每次推理仅激活其中一小部分64% 相似待验证Google Brain团队2012年发表了DNN-HMM混合模型，代表深度神经网络语音识别系统62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/879156API
curl https://kongchang.com/api/v1/knowledge/claims/879156MCP
get_claim(id=879156)