返回资源列表

Lil'Log(Lilian Weng 个人博客) · Lilian Weng

The Transformer Family Version 2.0

系统掌握 Transformer 家族各代架构改进的动机、数学形式与适用场景。

打开官方课程
难度
见前置条件
形式
实践教程
语言
en
规模
1 个课节
内容费用
免费
动手
打开即可学习

使用限制

纯网页阅读,无需账号或安装;带公式渲染的页面在普通浏览器即可正常查看。

练习与作业
开课提示词尚未实际运行验证
  1. 选择学习环境

    浏览器或在线环境

    本文是 Lilian Weng 2020 年《The Transformer Family》的 2.0 扩充版,网页说明作者重构了章节层级、补充了较新论文,并称 2.0 版是旧版的超集、长度约为旧版两倍。建议按目录从 Notations 与 Transformer Basics 入手,再依次进入位置编码、长上下文(Longer Context,含 Make it Recurrent)、与 Longer Context 并列的自适应建模(Adaptive Modeling),最后读高效注意力与 Transformers for Reinforcement Learning。

    一台可联网、能打开网页的设备即可,无需安装环境。

  2. 准备工具和账号

    标“选用”的可以跳过。

    • 浏览器打开博客文章并按目录跳转各小节
    • arXiv 选用查阅文中引用的原始论文(Vaswani 2017、RoPE 等)

    运行费用:实践无额外费用,原文为讲解性长文,未附带练习或代码任务。

  3. 让 AI Agent 一次搭好课程

    复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。

    开课提示词 · 只需用一次此提示词尚未实测验证
    请帮我把「The Transformer Family Version 2.0」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。
    开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。
    
    课程入口:https://lilianweng.github.io/posts/2023-01-27-the-transformer-family-v2/
    我的系统:Windows。如果实际不符,先调整方案。
    本次路线:浏览器或在线环境。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。
    练习:本文无配套练习。建议自选一节(如 Rotary Position Embedding 或 Sparse Attention Patterns)用一个小型注意力实现动手复现公式形式,或就某一小节写 200 字摘要提交给自己检索使用。
    课节(官方顺序):
    1. The Transformer Family Version 2.0(主页):https://lilianweng.github.io/posts/2023-01-27-the-transformer-family-v2/
    
    1. 环境
    - 本文是 Lilian Weng 2020 年《The Transformer Family》的 2.0 扩充版,网页说明作者重构了章节层级、补充了较新论文,并称 2.0 版是旧版的超集、长度约为旧版两倍。建议按目录从 Notations 与 Transformer Basics 入手,再依次进入位置编码、长上下文(Longer Context,含 Make it Recurrent)、与 Longer Context 并列的自适应建模(Adaptive Modeling),最后读高效注意力与 Transformers for Reinforcement Learning。
    - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。
    2. 材料
    - 官方课程页面:只记录链接 https://lilianweng.github.io/posts/2023-01-27-the-transformer-family-v2/
    3. 目录(最外层放在我确认的位置)
    transformer-family-v2-lilog/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.md     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-the-transformer-family-version-2/
    - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。
    - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。
    4. 自检
    - 创建 check-env.md,逐项检查并记录“通过/未通过”:
    - 按浏览器或在线 notebook 清单检查,不为自检安装本机终端。
      - 打开 https://lilianweng.github.io/posts/2023-01-27-the-transformer-family-v2/ 并确认页面显示标题「The Transformer Family Version 2.0」、日期 January 27, 2023 与 Estimated Reading Time: 45 min  → 页面正常加载,目录包含 Notations 到 Transformers for Reinforcement Learning 的全部小节。
      - 在页面目录中确认 Longer Context 下含 Context Memory、Non-Differentiable External Memory、Distance-Enhanced Attention Scores、Make it Recurrent 四个缩进子节,且 Adaptive Modeling 与 Longer Context 为同级章节  → 目录层级与网页一致,Make it Recurrent 为 Longer Context 的子节。
      - 点击目录中的 Positional Encoding 与 Efficient Attention 链接  → 可跳转到对应小节,页面内公式(MathJax 渲染)正常显示。
    - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。
    - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
    - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。
    5. 学习计划
    - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。
    - progress.md:每课三项勾选——读讲义、做练习、记笔记。
    6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。
    
    边界:
    - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
    - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
    - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
    如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
    搭好后的课程目录
    transformer-family-v2-lilog/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.md     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-the-transformer-family-version-2/
准备好了,开始学习

来源与使用须知

收录时间
本站首次收录 2026-10-15
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。