本次 homework 的任务是实现 Decoder-only 的 Transformer 模型，也就是 GPT-2，并在一个翻译任务数据集上进行模型训练。具体来说，包括以下几个子任务： 实现 CrossEntropy Loss 实现基础模块，包括 Linear/Dropout/LayerNorm1d/Embedding 实现 Transformer，包括：MultiHeadAtte

本次 homework 需要编写的代码量实际上非常少（100 行左右），完成作业的关键是理解 minitorch 设计和已有代码。因此，本文主要介绍 minitorch 代码结构，解释其 Tensor、Parameter、Operator、Module、History 等关键设计和实现。 课程官方对 minitorch 有个 Jupyter Notebook 做了详细介绍可参考。本文

LLaMA: Open and Efficient Foundation Language Models arXiv 提交日期：27 Feb 2023（ChatGPT 发布后约 3 个月） GitHub 链接：https://github.com/meta-llama/llama 作者： 摘要： 我们提出了 LLaMA，一组从 7B 到 65B 参数的基础语言模型。我们

Language Models are Few-Shot Learners arXiv 提交日期：28 May 2020 OpenAI blog：Language models are few-shot learners 作者： 摘要： 近期工作表明，通过在大规模文本语料上预训练，再针对特定任务进行微调，可以在许多 NLP 任务和基准上取得显著提升。虽然这种方法在架

Language Models are Unsupervised Multitask Learners OpenAI Technical Report，blog 链接：Better language models and their implications ，发布日期：February 14, 2019 官方 GitHub repo（TF 实现）：gpt-2 ，仅公布了小模型权重

Improving Language Understanding by Generative Pre-Training OpenAI Technical Report，blog 链接：Improving language understanding with unsupervised learning ，发布日期：June 11, 2018（Transformer paper 发布后的

The Annotated Transformer code 本文仅摘录原始 blog 部分代码并添加部分注释，不涉及原文全部内容，推荐阅读原文。 Model Architecture 1234567891011121314151617181920212223class EncoderDecoder(nn.Module): """

Attention Is All You Need 发表于 NIPS 2017（arXiv 提交日期：12 Jun 2017） 作者： Abstract 主流的序列转换模型基于复杂的循环或卷积神经网络，这些网络包含一个编码器和一个解码器。性能最佳的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构——Transformer，它完全基于注意力机制，彻底摒弃

TensorFlow: A system for large-scale machine learning OSDI 2016 paper link 阅读该 paper 主要要了解： TensorFlow 诞生背景 DistBelief 存在的问题 设计原则 关键概念&实现（TensorFlow execution model） 如何支持大规模训练（E

0. Recap Sequence-to-sequence encoder-decoder framework for conditional generation, including Machine Translation Key components in Transformer Positional Embedding (to distinguish tokens at d