待验证50% 置信事实精确时间
SegFormer是一种基于Transformer的语义分割模型，采用分层编码器结构，无需位置编码即可处理任意分辨率输入，擅长捕捉细粒度区域，但计算开销高于分类模型。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
已验证Transformer的编码器负责将输入序列映射为上下文表示，适用于分类理解类任务；解码器自回归生成输出序列，适用于文本生成任务70% 相似已验证重排器通常使用交叉编码器实现，将查询和文档拼接后联合输入Transformer模型，排序精度显著高于初检阶段68% 相似待验证Transformer使用位置编码（Positional Encoding）在并行计算的同时保留词的顺序信息67% 相似已验证原始Transformer由编码器（Encoder）和解码器（Decoder）构成，BERT类模型只用编码器擅长理解和分类，GPT类模型只用解码器专注文本生成67% 相似待验证Transformer架构由Google于2017年提出，Encoder负责将输入文本编码为高维向量表示，Decoder基于编码表示逐token生成输出文本65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130111API
curl https://kongchang.com/api/v1/knowledge/claims/1130111MCP
get_claim(id=1130111)