R28 · 这条错译，让你先改哪一处？
已经有了能运行、能训练并带搜索的翻译器。现在回到开场同一事件，用一处人称错译选择下一项实验；随后还会在学完读取机制后重新检验这次判断。
状态 b0
同一源句的him错译旁标出四个可改部位。先提出解释及可观察预期，单个错词还不足以定位原因。
状态 b1
摘要与笔记让访问方式可比较：一次汇总与按当前需要重读。类比帮助选择待试接口，没有替机制评价作答。
状态 b2
两组论文内对照出现。先分别读各表的改动与结果，再检查共同条件；不要把独立系统拼成统一排行榜。
公式与算例详情
共同观察与待检验选择
源句“我昨天给了她一本书。”，构造错译“I gave him a book yesterday . EOS”。这不是历史论文样本或真实运行输出。四个候选解释都与观察相容：源序与优化、状态容量／保留、读取接口、搜索。摘要与可重读笔记只类比访问方式，不证明机制优劣。研究选择需要伴随可观察预期。学完完整读取和任务训练后，在R37回到同一个对象，给出控制与改判条件。
2014 年秋：已公开工作怎样改变下一次实验
固定向量 encoder–decoder 是能工作的起点。Cho 等的 RNN Encoder–Decoder 用于短语评分，不能不加说明便当作同一个完整句子翻译实验。此处回看 Sutskever 与 Bahdanau 已公开的早期论文；本页时点设为相关工作已公开后的2014年秋；教学顺序不是实际研究者知悉对方工作的顺序。
| 论文内比较 | 系统与设置 | 全测试集 BLEU |
|---|---|---|
| Sutskever v1 Table 1 | 单模型，beam=12，源句正序 | 26.17 |
| 同上 | 单模型，beam=12，源句反转 | 30.59 |
| Bahdanau v1 Table 1 | RNNenc-50 | 17.82 |
| 同上 | RNNsearch-50 | 26.75 |
两组是独立比较，不能把它们拼成四个系统在统一条件下的排名。Sutskever 的深 LSTM 与更大词表、不同训练及搜索设置不等于 Bahdanau 的基线。后者的 RNNsearch 使用双向编码器，每向 1000 单元，而 RNNenc 的编码器为 1000 单元，因而也不只是开关 attention 的消融。
Sutskever Figure 3 报告少于 35 词的句子没有性能下降，最长句仅轻微下降。这反驳“固定向量在长句上必然崩溃”的叙述，但不否定另一个设置下的瓶颈动机。Bahdanau Figure 2 在其设置中显示长度相关差别；图形趋势不应编造成未报告的精确分组数值。
本课的研究判断是优先验证动态读取，同时保留源句反转的强固定向量基线。动态读取改变了信息接口，值得实验；并非旧接口已经被证明不可能。如果原系统尚未调好，先做反转和搜索诊断也是有依据的选择。
下一次比较尽量固定数据、分词、词表、训练预算、参数量、搜索与评测；单独控制编码方向。记录总 BLEU，也按长度、未知词与关系遗漏分组。若认真优化旧基线后动态读取优势消失，降低固定表示瓶颈解释的权重；若匹配条件后长距离关系和遗漏仍稳定改善，则增加这条路线的投入。以上是待实施实验，不是本课已经得到的训练结果。
参考与采用
- Sequence to Sequence Learning · v1：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
- Learning to Align and Translate · v1：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、M37 研究判断回扣。页码均按PDF物理页计。
继续学习
本页自学核对：保留“我昨天给了她一本书”的错译，先列两种相容解释及预期现象；读完机制后在R37回同一对象改写判断。
若想把初始判断落实成可推翻的下一项实验，可进入《2014：先拥有一个可工作的翻译器，再决定改哪里》；动手时打开LAB02的“D/E · 固定源序，比较两种读取接口”：核对两组历史系统条件与本课合成任务的参数差异，再写源序×读取接口的控制与改判条件。 实施范围见实验路线D。 若要增加对照，按已有受控设计固定相关条件；设计本身不代表新训练已完成。