为什么这篇论文如此重要
2017 年之前，NLP 领域的主流是 RNN/LSTM 及其变体。这篇论文用一句话改变了历史：“Attention Is All You Need”。
论文的精妙设计
论文最打动我的不是 Self-Attention 本身，而是整个架构的简洁和对称——编码器和解码器各 6 层，每层结构完全一致。
对我工作的启示
理解了 Transformer 后，再看后续的 GPT、BERT、T5，本质上都是对这个架构的不同剪裁和适配。
建议结合 Transformer 架构详解 和 注意力机制深入理解 一起阅读。