Références 3CONFIANCE 88 %Confiance globale: 88%Dans quelle mesure la source et les références du pin étayent ses dates.Moyenne pondérée de la fermeté avec laquelle 3 références, source comprise, étayent les heures de début et de fin de l’épingle ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récenteAfficher toutes les épingles à 75 % de confiance ou plus
La première entrée est toujours la source de l’épingle. La confiance globale est une moyenne pondérée de la fermeté avec laquelle chaque référence étaye les heures de début et de fin retenues ci-dessus ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récente.
- [1]90%arxiv.org/abs/1706.03762arxiv.org· Publié le 22 sept. 2026· Début 12 juin 2017 ✓· 33 % du score
Les métadonnées d'arXiv pour 1706.03762 donnent citation_date 2017/06/12, et l'article de Wikipédia consacré au papier dit la même chose : « Le 12 juin 2017, le modèle transformer encodeur-décodeur d'origine (100 millions de paramètres) est publié dans l'article 'Attention is all you need'. »
- [2]90%Attention Is All You Needen.wikipedia.org· Ajouté le 22 sept. 2026· 33 % du score
Dates the paper to 12 June 2017 and describes what it did: "a 2017 research paper on machine learning authored by eight scientists and engineers working at Google" introducing the transformer, "based on the attention mechanism proposed in 2014 by Bahdanau et al.", which "has become the main architecture of a wide variety of artificial intelligence systems, including large language models". It also records that all eight authors later left Google.[1]
- [3]85%Transformer (deep learning architecture)en.wikipedia.org· Ajouté le 22 sept. 2026· 33 % du score
The architecture itself, for how self-attention replaced recurrence and what was built on it afterwards.[1]
Suggérer une correction
Il manque quelque chose ou une erreur s'est glissée ? Dites-le avec vos mots : un lien qui étaye cette épingle, une autre date de début ou de fin et pourquoi, ou une information absente ou erronée. L'IA la vérifie au regard des sources de l'épingle, en cherche de meilleures et ajoute toute page qui vous donne raison. Les sources de l'épingle restent celles qui comptent le plus. L'IA regarde aussi les images : une image qui montre autre chose, ou qui le montre mal, passe en dernier ou est remplacée.