问题描述
transformer 和 RNN 在序列建模中都很有用。但是，由于RNNs可以堆叠并且可以使用attention机制，这种是不是很像解码器的transformer模型（比如GPT）？
两者都有多个单向层，堆叠在一起，以处理序列并注意先前的隐藏状态。一个主要区别是 RNN 的隐藏状态取决于之前的隐藏状态，但如果 RNN 使用学习的 Query-Key-Value 矩阵，它们看起来很相似。
谁能解释一下是否存在更大的差异，或者它们在某些情况下是否确实等效？
ps：这是关于仅解码器的架构
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）