第一部分：引言 在深度学习的序列建模中，循环神经网络（RNN）曾被寄予厚望。然而，传统的 vanilla RNN 在实际应用中存在一个致命的缺陷：“短时记忆”。由于梯度消失问题，它很难捕捉到序列中跨度较大的长距离依赖关系。 为了打破这一瓶颈，长短期记忆网络（Long Short-Term Memor
这篇论文 《On the Influence of Context Size and Model Choice in Retrieval-Augmented Generation Systems》
论文 《Step-by-Step Fact Verification System for Medical Claims with Explainable Reasoning》 发表在
该论文发表在 ICNLSP 2025（第 8 届国际自然语言与语音处理会议，The 8th International Conference on Natural Language and Speech Processi
该论文发表在 CIKM 2025 （第 34 届 ACM 信息与知识管理国际会议，The 34th ACM International Conference on Information and Knowledge Management）。
第一节：引言 在深度学习的序列建模中，循环神经网络（RNN）曾被寄予厚望。由于其循环连接的结构，理论上 RNN 能够保留无限长的历史信息。然而在实际训练中，你会发现它表现得非常“短视”——它能轻易记住上一个单词，却总是忘记上一个段落。 这种局限性的核心原因，在于反向传播（Backpropagatio
第一节： 什么是语言模型？ (Language Model Recap) 在深入探讨如何评价一个模型之前，我们首先需要明确：我们要评价的对象究竟是什么？ 1.1 核心定义：预测未来 从本质上讲，语言模型 (Language Model, LM) 是一个极其简单的系统：它只做一件事——预测下一个词 (
第一节：RNN 的核心架构 1.1 为什么我们需要 RNN？ 在处理图像识别或简单分类任务时，传统的全连接神经网络（DNN）和卷积神经网络（CNN）表现卓越。但在处理序列数据（如自然语言、语音、股票走势）时，它们会面临两个致命的缺陷： 输入长度固定：传统模型要求输入向量的维度必须预先设定，但现实中的
第一节：语言模型任务回顾 在深入研究复杂的神经网络架构之前，我们首先需要明确：什么是语言模型（Language Modeling）？ 简单来说，语言模型的目标是预测序列中下一个出现的词。假设我们已经有了一个单词序列 x(1), x(2), ... , x(t)，模型的核心任务就是计算在给定这些已知词
第一节：什么是语言模型？ 在自然语言处理（NLP）的广阔领域中，语言模型（Language Modeling） 是最基础且最重要的核心任务之一。简单来说，它的目标是让计算机能够理解和生成人类的语言序列。 1. 核心任务：预测下一个词 语言模型的核心任务非常直观：给定一段已经出现的词序列，预测下一个可
