CNN取代RNN來(lái)做Attention的關(guān)鍵進(jìn)展出現(xiàn)在2017年。這一突破主要由Vaswani等人在他們的論文《Attention is All You Need》中提出，該論文介紹了Transformer模型。Transformer模型使用自注意力機(jī)制（self-attention）和完全基于注意力的架構(gòu)，而不再依賴(lài)于RNNs（循環(huán)神經(jīng)網(wǎng)絡(luò)）。

在此之前，RNNs，特別是LSTM（長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)）和GRU（門(mén)控循環(huán)單元），在處理序列數(shù)據(jù)（如自然語(yǔ)言處理任務(wù)）方面是主流。然而，RNNs固有的順序計(jì)算特性限制了并行化能力，導(dǎo)致訓(xùn)練速度較慢。

Transformer模型通過(guò)引入多頭自注意力機(jī)制和前饋神經(jīng)網(wǎng)絡(luò)的組合，能夠并行處理序列中的所有位置。這種方法不僅提高了訓(xùn)練效率，還在多個(gè)任務(wù)上實(shí)現(xiàn)了更好的性能。

因此，正確答案是D: 2017。