AI在线 AI在线

Transforme

哈佛新论文揭示 Transformer 模型与人脑“同步纠结”全过程！AI也会犹豫、反悔？

哈佛新论文揭示 Transformer 模型与人脑“同步纠结”全过程！AI也会犹豫、反悔？
近日，来自哈佛大学、布朗大学以及图宾根大学研究者们，共同发表了一项关于Transformer模型与人类认知处理相关性的研究论文：——《Linking forward-pass dynamics in Transformers and real-time human processing》意译过来就是：Transformer模型的“思考过程”与人类大脑实时认知的奇妙相似图片换句话说，它想搞清楚一个“老问题”：AI模型的内部处理过程，和人类大脑的实时认知，有多少相似？ 过去我们研究AI和人类的相似性，最常见的做法是什么？ “看结果”：让AI做题，看它答对多少，概率分布和人的选择对不对得上。
5/12/2025 2:10:00 AM
文摘菌
从模型原理到代码实践，深入浅出上手 Transformer，叩开大模型世界的大门

从模型原理到代码实践，深入浅出上手 Transformer，叩开大模型世界的大门
作者 | Plus一、序言作为非算法同学，最近被Cursor、DeepSeek搞的有点焦虑，同时也非常好奇这里的原理，所以花了大量业余时间自学了Transformer并做了完整的工程实践。 希望自己心得和理解可以帮到大家~如有错漏，欢迎指出~本文都会以用Transformer做中英翻译的具体实例进行阐述。  二、从宏观逻辑看Transformer让我们先从宏观角度解释一下这个架构。
4/25/2025 9:00:00 AM
腾讯技术工程
Transformers基本原理—Decoder如何进行解码？

Transformers基本原理—Decoder如何进行解码？
一、Transformers整体架构概述Transformers 是一种基于自注意力机制的架构，最初在2017年由Vaswani等人在论文《Attention Is All You Need》中提出。 这种架构彻底改变了自然语言处理（NLP）领域，因为它能够有效地处理序列数据，并且能够捕捉长距离依赖关系。 Transformers整体架构如下：主要架构由左侧的编码器（Encoder）和右侧的解码器（Decoder）构成。
3/10/2025 10:20:00 AM
解决 NLP 任务的 Transformer 为什么可以应用于计算机视觉？

解决 NLP 任务的 Transformer 为什么可以应用于计算机视觉？
几乎所有的自然语言处理任务，从语言建模和masked词预测到翻译和问答，在2017年Transformer架构首次亮相后都经历了革命性的变化。 Transformer在计算机视觉任务中也表现出色，只用了2-3年的时间。 在这篇文章中，我们探索了两种基础架构，它们使Transformer能够闯入计算机视觉的世界。
2/24/2025 8:20:00 AM
二旺
  • 1