第11章: 挑战BERT地位的Autoregressive语言模型XLNet剖析及源码完整实现

1，作为Autoregressive语言模型的XLNet何以能够在发布时在20个语言任务上都能够正面挑战作为Autoencoding与训练领域霸主地位的BERT？

2，XLNet背后Permutation LM及Two-stream self-attention数学原理解析

3，Autoregressive LM和Autoencoding LM数学原理及架构对比

4，Denoising autoencoding机制的数学原理及架构设计

5，对Permutation进行Sampling来高性价比的提供双向信息数学原理

6，XLNet的Permutation实现架构和运行流程：content stream、query stream

7，XLNet中的缓存Memory记录前面Segment的信息

8，XLNet中content stream attention计算

9，XLNet中query stream attention计算

10，使用Mask Matrices来实现Two-stream Self-attention

11，借助Transformer-XL 来编码relative positional 信息

12，XLNet源码实现之数据分析及预处理

13，XLNet源码实现之参数设定

14，Embeddings源码实现

15，使用Mask实现causal attention

16，Relative shift数学原理剖析及源码实现

17，XLNet Relative attention源码完整实现

18，content stream源码完整实现

19，queery stream源码完整实现