DalšíDalší průvodce
Vynucování učitelů v sekvenčních modelech
Technický
Jazyk AI GUIDE
Sequence-to-sequence (seq2seq) models encode an input sequence and generate an output sequence, which may have a different length.
Poslechněte si tento návodAI-vyprávěný · ~1 min
Attention provides access to source context during decoding.
Early neural machine-translation systems encoded a source sentence into a fixed vector, which constrained long inputs. Bahdanau attention lets a decoder compute context from source hidden states at each step. The Transformer replaces recurrence with attention layers, while sequence-to-sequence variants retain encoder and decoder components. Output length is determined during generation rather than copied from input length.
An encoder can represent a source sentence for translation.
A decoder generates target tokens until an end condition is reached.
Cross-attention uses encoder outputs as keys and values for decoder queries.
Transformer encoder-decoder models such as T5 and BART apply this structure to text tasks.
Choose encoder-decoder or decoder-only architectures based on the task, data and serving constraints. Evaluate input-length behavior, output quality and decoding cost. The cited papers establish particular model designs and benchmarks, not universal superiority of one architecture.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Sequence-to-sequence (seq2seq) models encode an input sequence and generate an output sequence, which may have a different length. Attention provides access to source context during decoding.
Kodér čte a komprimuje vstup a dekodér generuje výstupní sekvenci.
Pozor, nechte dekodér přístup ke všem stavům kodéru namísto spoléhání se na jediný komprimovaný vektor, čímž se opraví výkon dlouhých vět.
Sutskever a kol. pro kodér a dekodér použil rekurentní sítě LSTM.
Pozornost přiřazuje váhy stavům kodéru, takže každý výstupní krok se zaměřuje na nejdůležitější vstupní pozice.
Dekodér generuje autoregresivně a může se zastavit na tokenu konce sekvence, což umožňuje proměnnou výstupní délku.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Vynucování učitelů v sekvenčních modelech
Technický