Les chercheurs de l'Université de l'Illinois Urbana-Champaign et de l'Université de Virginie ont donc lancé une nouvelle architecture de transformer en temps d'inference (GPU) pour résoudre des problèmes plus difficiles, appelés Energy-Based Transformer (EBT), conçus pour rendre l'IA plus approfondie et plus logique, en particulier pour des travaux nécessitant une analyse logique ou des solutions plus complexes, comme le modèle EBT Transformer: La fonctionnalité de l'EBT Transformer en temps de réflexion (GPU) est encore plus importante que celle de l'EBT Transformer en temps de réflexion (GPU): la fonctionnalité de l'EBT Transformer en temps de réflexion (GPU) est encore plus importante que celle de la fonctionnalité de l'EBT Transformer en temps de réflexion (GPU): la fonctionnalité de l'EBT Transformer en temps de réflexion (GPU) est plus simple que celle de la fonctionnalité de l'EBT Transformer en temps de réflexion (GPU) mais elle est plus facile à résoudre (L) et plus efficace que la fonctionnalité de l'EBT Transformer en temps de l'ES: la fonctionnalité de l'EBT Transformer en temps de l'EBT Transformer en temps de fonction de l'EBT Transformer en temps de l'EBT Transformer en temps de fonction de l'EBT Transformer en temps de l'EBT Transformer en temps de fonction de l'EBT: une solution de l'EBT: une solution de l'EBT Transformer en temps de l'EBT Transformer en temps de l'EBT: une solution de l'EBT Transformer en temps de l'EBT Transformer en temps de fonction de l'ES est plus simple.