参考資料 3確度 88%総合信頼度: 88%ピンの情報源と参照がその日付をどれだけ裏付けているか。出典を含む 3 件の資料がピンの開始・終了時刻をどれだけ強く裏付けているかの加重平均。最新の資料より180日古くなるごとに重みは半分になります確度75%以上のピンをすべて表示
最初の項目は常にピンの出典です。全体の確度は、各資料が上記の開始・終了時刻をどれだけ強く裏付けているかの加重平均です。最新の資料より180日古くなるごとに、重みは半分になります。
- [1]90%arxiv.org/abs/1706.03762arxiv.org· 投稿 2026年9月22日· 開始 2017年6月12日 ✓· スコアの 33%
arXivの1706.03762のメタデータはcitation_dateを2017/06/12としており、ウィキペディアの論文に関する記事も同じ日付を示している。「2017-06-12、最初の（1億パラメーターの）エンコーダー・デコーダー型Transformerモデルが論文『Attention is all you need』で発表された」
- [2]90%Attention Is All You Needen.wikipedia.org· 追加 2026年9月22日· スコアの 33%
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· 追加 2026年9月22日· スコアの 33%
The architecture itself, for how self-attention replaced recurrence and what was built on it afterwards.[1]
修正を提案
足りない点や誤りがありますか？ このピンを裏付けるリンク、別の開始日・終了日とその理由、欠けている情報や誤っている情報を、自由に書いてください。AIがこのピンの出典と照らし合わせ、より良い情報源を探し、裏付けとなるページがあれば参考資料として追加します。ピン自身の出典が引き続き最も重視されます。AIは画像も確認します。別のものが写っている画像や写りの悪い画像は、後ろに回すか差し替えます。