Cơ chế 'attention' trong mô hình Transformer giúp giải quyết vấn đề gì của RNN trong xử lý chuỗi dài?

Vấn đề vanishing gradient.

Khả năng song song hóa tính toán.

Khả năng nắm bắt sự phụ thuộc xa trong chuỗi.

Tốc độ huấn luyện chậm.