Comprendre les transformeurs : construire les couches du décodeur

Une série pédagogique poursuit l'explication des architectures transformers en détaillant l'implémentation des couches de décodage essentielles. Le décodeur utilise une auto-attention masquée et une attention croisée pour générer des séquences token par token en respectant le contexte. Cette profondeur mathématique intéresse les chercheurs et les développeurs d'IA modernes.