อ่านงานวิชาการ ได้อย่างไม่ซับซ้อน

Multi-head attention ติดตามความสัมพันธ์เชิงพึ่งพาในปริภูมิย่อยของตัวแทนข้อมูลที่แตกต่างกัน จึงช่วยแก้ข้อจำกัดของการสร้างแบบจำลองลำดับที่กล่าวถึงก่อนหน้านี้