待验证50% 置信事实精确时间
AlphaGenome模型采用类似大型语言模型的Transformer架构,通过自注意力机制捕捉序列中远距离碱基之间的相互作用
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证Codex模型基于Transformer架构的自回归生成机制，将代码视为token序列，通过注意力机制捕捉长距离依赖关系并逐token生成后续代码76% 相似待验证AlphaGeometry采用神经符号混合架构，包含一个基于Transformer的语言模型负责提出辅助构造和一个符号推理引擎（DD+AR）负责逻辑推导74% 相似待验证AlphaGenome代表了变异效应预测的新一代方法，直接从DNA序列学习'语法规则'，类似于自然语言处理中的大型语言模型73% 相似待验证AlphaEvolve的创新在于用大语言模型替代随机变异，生成有意义的变异72% 相似待验证大模型底层采用Transformer架构，其注意力机制要求每个token与上下文中所有其他token进行交互计算，带来近似二次方复杂度特性71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/887249API
curl https://kongchang.com/api/v1/knowledge/claims/887249MCP
get_claim(id=887249)