1. 核心差异
| 特性 | RNN | Transformer |
|---|---|---|
| 结构 | 递归神经网络，依赖时间序列信息 | 自注意力机制，基于并行处理 |
| 处理方式 | 顺序处理，信息传递有限 | 并行处理，全局依赖关系 |
| 训练效率 | 易出现梯度消失/爆炸 | 通过位置编码和分层结构解决 |
| 应用场景 | 传统序列建模（如语言建模） | 长距离依赖任务（如机器翻译） |
2. 扩展阅读
3. 选择建议
- 📌 短序列任务：RNN 的计算效率更优
- 📌 长序列或复杂模式：Transformer 的并行能力更适配
- 📌 性能优化：可结合两者优势（如 Transformer-XL）
📘 图片关键词已按规则替换空格为下划线，确保符合技术内容场景。