示现场，天问为什么能精准执行长达几百字、带有多重嵌套条件的复杂指令。”
文章发布后，相关的从业人士纷纷下场。
引力社区的热榜排名开始发生剧烈变化。
不少国内一线互联网大厂的算法工程师在评论区留言。
【我刚才照着论文里的公式手推了一遍，逻辑完全闭环，没有技术死角。】
【难怪生成速度那么快，这种架构天然支持矩阵运算，算力利用率是传统架构的好几倍。】
【作为同行，我必须承认，这是一篇能够改写教科书的开创性论文。】
【白天那些造谣后台有人工回复的博主呢？出来走两步？】
【这东西如果真能大规模跑通，现有的自然语言处理技术全得推倒重来。】
舆论的风向彻底逆转。
那些质疑造假的营销号集体陷入了沉默，许多账号开始连夜删除之前的黑稿。
如果说国内的互联网圈子只是感到震惊，那海外的AI学术界感受到的就是恐慌。
此刻的北美正值白天。
硅谷的几大科技巨头内部，各大AI实验室的邮件系统已经处于过载状态。
位于加州山景城的谷歌总部，Google Brain深度学习实验室里，气氛压抑得令人窒息。
高级研究员理查德紧盯着电脑屏幕，端咖啡杯的手正止不住地颤抖。
五分钟前，他收到了斯坦福大学一位同行发来的arXiv论文链接。
只看完了《Attention Is All You Need》的摘要部分，理查德就感觉浑身的血液都凉了。
实验室的技术总监推开玻璃门，大步流星地走了进来，脸色铁青。
“理查德，你看过那篇中国团队发出的论文了吗？”总监的声音里带着难以掩饰的焦虑。
“刚看完摘要。”理查德咽了口唾沫，声音干涩，“你们那边组织算力跑代码复现了吗？”
“已经抽调了五十个高级工程师，停掉了手里所有的非紧急项目，占用了整个云端集群的算力在跑模型验证。”
“结果怎么样？”理查德紧张地站了起来。
“很不乐观。”总监双手撑在办公桌上，给出了一个极其消极的评价。
“代码复现组刚刚搭出基础模型跑通了第一个极小规模的数据集！理查德，我们过去三年在RNN（循环神经网络）架构上投入的数十亿美金，现在可能变成了一堆废纸。”
理查
本章未完，请点击下一页继续阅读！