will depue（@willdepue）のスレッド

よくある答えは、モデルは学習したいだけであり、トランスフォーマーはスケールさせる方法をよく知っているものだということです。しかし、なぜトランスフォーマーだけがスケールさせる方法を知っているのかという疑問が生じます。それは単に埋没費用ではないのです。