Transformer
Arquitetura em que cada token pode interagir com os demais, com custo que cresce quadraticamente em relação ao comprimento da sequência.
Mencionado em
Seção intitulada “Mencionado em”- Construa e treine do zero um modelo GLM-5.3-Flash com Python
- Cálculo do score de atenção | Álgebra linear para engenheiros de IA
- System 1 vs. System 2: explicados
- A IA já não precisa de retropropagação
- Do zero ao estado da arte: treinando um modelo de visão de espaço de estados com 3B — Krishna Prasad Srinivasan, Sarvam
- Aula completa de 2 horas sobre fine-tuning
- Amazon lança seu próprio clone do Jev para tomada de decisões
Relacionados
Seção intitulada “Relacionados”Codex, Claude Code, atenção linear, GLM-5.3-Flash, reinforcement learning, Mixture of Experts, freeCodeCamp.org, dot product, softmax, System 2, System 1, Daniel Kahneman