Transformer模型的核心思想是利用自注意力机制来捕捉输入序列中的长距离依赖关系，从而有效地处理序列数据。它摒弃了传统的循环神经网络（RNN）和卷积神经网络（CNN）结构，通过编码器-解码器架构实现了并行化计算，大大提高了训练效率。