Transformer模型的出现是为了解决RNN/LSTM的固有缺陷：1）无法并行计算导致的训练效率低下；2）难以捕捉长距离依赖关系。Transformer通过自注意力机制和多头注意力实现了全局信息交互，使每个词元都能直接关注序列中的任意位置。其核心架构包含编码器和解码器堆叠层，其中编码器由自注意力模块和前馈网络组成，通过多头注意力从不同角度学习词元关系，配合残差连接和层归一化优化训练。这种设计突