待验证50% 置信事实精确时间
Transformer架构和对比学习（contrastive learning）已被用于对抹香鲸尾音序列进行嵌入表示
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/6
首次发现
有效期至：2027/1/4
来源
涉及实体
相关事实
待验证分层行为编码器（HBE）分别用Temporal Transformer和Set Transformer对个体时间演进过程和鱼群集体动态建模68% 相似待验证模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）65% 相似待验证Transformer通过Self-Attention机制计算输入序列中所有Token之间的相关性权重，放弃状态延续换取并行训练能力和水平扩展性65% 相似待验证Sentence-Transformers（SBERT）由Nils Reimers等人在2019年提出，在预训练BERT之上增加池化层并通过孪生网络结构微调63% 相似待验证Transformer架构的自注意力机制能捕捉序列中任意两个位置之间的关系，适合捕捉DNA序列的超长程依赖，优于传统卷积神经网络63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/980300API
curl https://kongchang.com/api/v1/knowledge/claims/980300MCP
get_claim(id=980300)