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

Controllable Neural Text Generation

Controllable Neural Text Generation是Lil'Log（Lilian Weng 个人博客）的免费文章（en）。前置条件：需要了解语言模型的自回归生成与 softmax/对数似然等基本概念，并能读懂概率公式；对强化学习有初步印象更佳。

系统了解在不改动模型权重和改动模型两类思路下，如何让无条件语言模型的输出在主题、风格、情感等属性上变得可控。

打开官方课程

Lil'Log

难度: 见前置条件
类型: 博客 · 文章
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

浏览器直接阅读即可，无需账号或安装软件。

练习与作业: 开课提示词尚未实际运行验证
内容提示: 内容时效：网页标注文章发布于 2021 年 1 月 2 日，最后更新于 2021 年 9 月 19 日，综述的文献截至 2021 年，此后该领域已有较多新进展。

第一次学这门课？先完成学前准备，把课程目录搭好。

每节课这样学

发提示词把下面的每课提示词发给 AI Agent，它会准备这一课的练习文件。
学官方课节打开对应课节学习，按提示从第一道练习做起；它不会替你写答案。
记进度学完让 AI Agent 在 progress.md 勾选，并把疑问整理到 questions.md。

每课提示词 · 每次学习前用

继续学习「Controllable Neural Text Generation」。课程目录是 controllable-neural-text-generation/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

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。

课节共 1 节 · 官方顺序

01Controllable Neural Text Generation（全文，含目录）

常见问题

免费吗？

免费：节选可直接读到正文内容，未出现付费墙或登录拦截，网页也未提及收费。实践无额外费用：阅读型文章，网页未说明需要任何付费服务；文中链接的代码仓库是否需算力未在节选中说明。

需要什么基础？

需要了解语言模型的自回归生成与 softmax/对数似然等基本概念，并能读懂概率公式；对强化学习有初步印象更佳。软件、账号与硬件：无需安装环境或注册账号，用浏览器即可阅读；若想跟进文中参考文献需能访问 arXiv 等论文站点。

有中文吗？

本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。

怎么开始？

从原始资源入口开始：https://lilianweng.github.io/posts/2021-01-02-controllable-text-generation/。打开原文即可，无需安装软件。开课提示词尚未完整验证。练习与作业需要自备：开课提示词尚未实际运行验证。

来源与使用须知

原始资源: Lil'Log（Lilian Weng 个人博客）
收录时间: 本站首次收录 2026-10-24
指南参考: 课程主页

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。