Transformer
The 2017 architecture everything on this site exists to run.
Vous consultez une fiche concept : ce que ce terme signifie en langage clair, et les fiches qu'il relie.
The transformer processes every token in a sequence in parallel, using attention to let each token consult every other. That parallelism is why GPUs and transformers co-evolved: the architecture is essentially a giant matrix-multiplication workload, which is exactly what accelerator silicon does best. GPT, Claude, Gemini, Llama, image diffusion backbones and even robot policies are transformers; challengers (state-space models, hybrids) so far nibble at its edges. One paper — 'Attention Is All You Need' — sits under roughly a trillion dollars of infrastructure.
Comment cela s'articule avec le reste de la chaîne
Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.
Introduit
Basé sur
Connexes
Sources
Fiche examinée au 2026-01-15 — voir Méthodologie.