以下哪一项是Transformer模型的主要特点?()A. 层次聚类B. 树状结构C. 自注意力机制D. 递归结构

考查要点：本题主要考查对Transformer模型核心特点的理解，需明确其与传统模型（如RNN）的关键区别。

解题核心思路：
Transformer模型的核心创新在于自注意力机制，它允许模型并行处理序列数据，并捕捉长距离依赖关系。与递归结构（如RNN）不同，Transformer通过自注意力机制实现高效的特征交互，这是其区别于其他模型的关键。

破题关键点：

• 自注意力机制是Transformer的核心模块，直接关联模型的并行计算能力和全局信息捕捉能力。
• 排除干扰项：
  • 层次聚类（A）与模型结构无关；
  • 树状结构（B）属于其他模型（如决策树）特征；
  • 递归结构（D）是RNN的典型特点，而Transformer正是为替代递归而提出。

自注意力机制是Transformer模型的核心组成部分，其作用包括：

1. 并行计算：无需按顺序逐个处理序列元素，大幅加速训练和推理。
2. 全局信息交互：每个位置的输入可关注整个序列的其他位置，有效捕捉长距离依赖。
3. 多头注意力：通过多组注意力权重，模型能从不同子空间学习特征，增强表达能力。

选项分析：

• A. 层次聚类：属于数据处理方法，与模型结构无关。
• B. 树状结构：常见于决策树等模型，与Transformer的层状结构不符。
• C. 自注意力机制：正确，直接对应Transformer的核心创新。
• D. 递归结构：属于RNN的特征，与Transformer的非递归设计相反。