深度学习序列建模（四）—— Seq2Seq + Attention 机制（四十六）

1. 定位导航

第 43-45 篇的 RNN 处理"等长序列"任务（每个 token 一个标签、整序列一个标签）。

但翻译任务输入输出长度通常不同：

• 输入：英语 “I love deep learning” (4 tokens)
• 输出：中文 “我爱深度学习” (5 tokens)

Seq2Seq 架构（2014）就是为此而生——它也是注意力机制的诞生地，最终演化出Transformer。

第 10 章规划进度：

篇号	主题	状态
43-45	RNN/LSTM 基础	✅
46（本篇）	Seq2Seq + Attention	🚀