R29.md · 可读全文

这里保留原文的中文、公式标记、代码和链接。可直接交给 Agent 读取，也可选取下方原文复制。此入口返回 HTML；原始 .md / .py 文件仍保留，完整候选包同时包含 UTF-8 原件。

# R29 · 内容不变，输入排列也能改变训练难度

上一页允许把固定摘要列为怀疑对象。源序反转提供了反证：不更换接口也可能明显改善结果。先用它校准初始解释，再考虑按需读取是否值得增加复杂度。

<span id="r29-b0"></span>

## 状态 b0

目标顺序不变，源token倒序后重新编码。跟踪同一对应关系，比较它经过的计算路径。

<span id="r29-b1"></span>

## 状态 b1

同表正序与反序的质量出现，观察不换固定接口也能改善结果；精确配置与其他口径见详情。

<span id="r29-b2"></span>

## 状态 b2

将这项证据带回初始解释：它支持保留强旧基线，同时留下动态读取是否有额外收益的问题。

## 公式与算例详情

只反转源token顺序，再重新编码；目标顺序不变。它改变一些对应关系在计算链上的最小时间间隔，没有增加源信息。

课堂统一引用 Sutskever v1 Table 1：WMT14英语到法语全测试集，单模型、beam=12，BLEU正序26.17、反转30.59。原文§3.3另外报告PPL 5.8→4.7、BLEU25.9→30.6；它们不是26.17的四舍五入版本，本课不将两种口径拼成一个实验。

作者以部分最短路径改善解释优化收益，没有声称所有平均距离都缩短。Figure 3中其固定向量模型也表现出良好的长句性能；这支持保留强基线，不能讲成旧接口必然失败。图示中文句子仅展示操作，不是论文测量样本。

### 参考与采用

- [Sequence to Sequence Learning · v1](https://arxiv.org/pdf/1409.3215v1)：在当时证据与资源条件下比较研究路线；细节与口径见本页说明。 复核位置：指定原版本的结构、设置与结果表

原课页采用记录：[M17 当时还可以怎样改](sources.html#M17)。页码均按PDF物理页计。

### 继续学习

[本页自学核对](lecture.html#read-R29)：反转源序列后重新编码，保持目标不变；整理成路径对照与原论文指标的适用边界。

若想判断反转收益是否推翻固定摘要的瓶颈解释，可进入[《2014：先拥有一个可工作的翻译器，再决定改哪里》](https://codingai-lec05.pages.dev/course/knowledge/translation-choices-2014.html)；动手时打开[LAB02](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/Fall-26-Lecture-05-841ec8e7-e352-4840-b628-d3742b03d6d0/notebook/LAB-02-bba1d024d8e64a589c290b09381de692?utm_content=bba1d024d8e64a589c290b09381de692&utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_term=get_notebook)的“D/E · 固定源序，比较两种读取接口”：区分论文内反转结果与读取接口比较，核对长度、编码方向、预算和搜索条件。 实施范围见[实验路线D](experiments.html#experiment-D)。