Evolving Attention with Residual Convolutions

            Yujing Wang 1 * Yaming Yang 2 * Jiangang Bai 1 2 Mingliang Zhang 1 2
              Jing Bai 2 Jing Yu 3 Ce Zhang 4 Gao Huang 5 Yunhai Tong 1

             Abstract                            80                           79.63
                                                                79.29
   Transformer is a ubiquitous model for natural lan-                                             79.1
                                           ...