AI系列深度16期：语言智能为何从RNN转向Transformer？.pptxVIP

增持（维持）

投资要点

n语言智能从RNN走向Transformer的本质，是序列建模从“递归记忆”转向“全局注意力”，并由此打开并行训练、规模扩展和任务统一的空间。RNN通过隐藏状态沿时间步传递上下文，适合文本、语音等顺序数据，并在LSTM/GRU、Seq2Seq和Attention-RNN推动下，于2014—2016年达到机器翻译等任务的工程高峰；但其串行计算、长距离依赖衰减和固定向量瓶颈，决定了递归范式很难继续承载大模型时代的规模化路线。

nTransformer的关键变化，不在于设计更复杂的记忆单元，而在于以自注意力让序列中任意位置直接