位置编码详解（绝对 → 相对 → RoPE）
从“模型为什么需要顺序感”讲到绝对位置、相对位置与 RoPE，建立长上下文位置建模的统一直觉。
Transformer
专题聚合页：打通教程、路径、模拟器与论文，快速构建完整知识链路。
教程 (3)
学习路径 (2)
可视化模拟 (2)
论文 (3)
LLaMA: Open and Efficient Foundation Language Models
用更克制的参数规模、更长的训练 token 和一组细致的架构改造，证明开源基座模型也能逼近闭源大模型能力。
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
用 MLM 与 NSP 把双向 Transformer 预训练推向主流，重塑了 NLP 从预训练到下游微调的默认范式。
Attention Is All You Need
提出 Transformer 架构，以纯注意力机制替代 RNN/CNN，重写了序列建模的工程范式与研究方向。