跳转至

CS224n 官方 PPT 中文笔记

本专题用中文整理 Stanford CS224n: Natural Language Processing with Deep Learning 的正式课堂 PPT 内容。

严格来源规则:本专题只使用 Stanford CS224n Winter 2026 官方课程页 Schedule 中的 slides_w26 官方 slide PDF。不会使用课程视频、reading notes、assignments、博客、第三方讲义或模型自行补充材料。

官方来源

已整理内容

序号 主题 官方 PPT
1 NLP 导论与历史 导论 PPT, 历史 PPT
2 词向量 官方 PPT
3 反向传播与神经网络基础 官方 PPT
4 语言模型与 RNN 官方 PPT
5 Transformer 官方 PPT
6 预训练 官方 PPT
7 后训练 官方 PPT
8 提示工程与参数高效微调 官方 PPT
9 RAG 与语言智能体 官方 PPT
10 基准测试与评测 官方 PPT
11 推理一:解码、RL 与 CoT 官方 PPT
12 推理二:加速、蒸馏、长上下文与推理时扩展 官方 PPT
13 分词与多语言 官方 PPT
14 NLP 的社会影响 官方 PPT
15 开放问题:小模型推理 官方 PPT

正式课堂 PPT 主线已整理到第 15 个专题。后续如补充,只会在确认官方 slides 后发布。

排除内容

以下内容虽然也出现在课程表中,但不是本专题要整理的 NLP 正式课堂 PPT 主线:

  • Python Review Session
  • PyTorch Tutorial Session
  • Hugging Face Transformers Tutorial Session
  • Final Projects: Custom and Default; Practical Tips
  • assignments、reading notes、project handouts

学习路线

  1. 先读历史、词向量、神经网络和 RNN,建立从符号/统计方法到神经方法的脉络。
  2. 再读 attention、Transformer、pretraining、post-training,连接现代 LLM 的主干。
  3. 最后读 prompting/PEFT、RAG/agents、evaluation、reasoning、tokenization/multilinguality、NLP 社会影响和开放问题,补齐当前已发布的 2026 版应用、评测、推理、多语言、可靠性与小模型推理主线。