待验证50% 置信基准精确时间
开发者构建的短期BTC/USDT价格方向预测系统采用Transformer架构结合BiLSTM和交叉注意力机制，训练样本约150万条，模型方向准确率约60%，相比约52%的基线有明显提升。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证2024年MIT等机构提出的测试时训练（TTT）架构尝试用线性注意力层替代部分Transformer层，使权重成为可在推理时快速更新的隐式记忆72% 相似待验证目前包括ChatGPT、DeepSeek在内的80%以上主流大模型都基于Transformer或其变种进行训练71% 相似待验证Transformer 通过并行计算所有位置之间的注意力权重，解决了长距离依赖问题并提升训练效率，为 GPT、BERT、Claude 等大模型奠定基础71% 相似待验证Transformer支持并行训练，是相对RNN/LSTM的重要突破，代表性模型为Google的BERT71% 相似待验证基于Transformer的端到端追踪方案对训练数据和算力要求较高，部署门槛较陡峭69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1009425API
curl https://kongchang.com/api/v1/knowledge/claims/1009425MCP
get_claim(id=1009425)