NLP / 大语言模型 · 2017 · Transformer
Attention Is All You Need
Ashish Vaswani et al.
以自注意力替代循环结构，构建并行的编码器与解码器。
注意力机器翻译序列建模
复现空间 · 建议计划
入门 · 小规模训练 · 编辑建议，尚未实测
最小实验目标
在小型平行语料上训练缩小版 Transformer，对比有无位置编码。
数据集 / 环境
教学平行语料；原论文任务为 WMT14 En-De / En-Fr。
评估项
- BLEU
- 验证集交叉熵
边界与常见偏差
小数据实验只验证机制；不能直接与 WMT14 全量训练的 BLEU 比较。记录分词器、词表与评估签名。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。