2017年提出的哪项技术架构成为语言模型发展的真正分水岭？（）

2017年提出的哪项技术架构成为语言模型发展的真正分水岭？（）
A.n-gram统计模型
B.循环神经网络（RNN）
C.Transformer架构及其自注意力机制
D.卷积神经网络（CNN）
正确答案：C
答案解析：
选项A：n-gram统计模型是一种基于词频统计的语言模型，通过计算相邻n个词同时出现的概率来预测下一个词。它在早期自然语言处理中发挥了重要作用，但存在局限性，如无法处理长距离依赖关系，且模型复杂度随n增大而迅速增加。它早于2017年提出，并不是2017年成为语言模型发展分水岭的技术，A选项错误。
选项B：循环神经网络（RNN）能够处理序列数据，通过隐藏层的循环连接保存序列中的历史信息，从而捕捉序列中的依赖关系。然而，传统RNN在处理长序列时会面临梯度消失或梯度爆炸问题，使得其难以有效学习长距离依赖。虽然RNN对语言模型发展有重要意义，但并非2017年出现的具有分水岭意义的技术，B选项错误。
选项C：2017年提出的Transformer架构及其自注意力机制成为语言模型发展的真正分水岭。自注意力机制能够让模型在处理序列时，动态地关注输入序列的不同部分，有效捕捉长距离依赖关系，并且并行计算能力强，大大提高了训练效率。基于Transformer架构的模型，如BERT、GPT等取得了巨大成功，推动了自然语言处理领域的飞速发展，彻底改变了语言模型的发展路径，C选项正确。
选项D：卷积神经网络（CNN）主要应用于图像处理领域，通过卷积层、池化层等操作提取图像的局部特征。虽然CNN在某些自然语言处理任务中也有应用尝试，但由于自然语言的序列特性与图像数据结构不同，CNN在语言模型中的应用效果不如专门为序列设计的Transformer架构。它也不是2017年使语言模型发展产生重大变革的技术，D选项错误。