我对NLP任务中的序列到序列RNN感到相当困惑。之前，我已经实现了一些分类任务的神经模型。在这些任务中，模型以词嵌入作为输入，并在网络末端使用softmax层进行分类。但是，神经模型是如何处理序列到序列任务的呢？如果输入是词嵌入，那么神经模型的输出是什么？这些任务的例子包括问答、对话系统和机器翻译。

回答：

你可以使用编码器-解码器架构。编码器部分将你的输入编码成一个固定长度的向量，然后解码器将这个向量解码成你的输出序列，无论这个序列是什么。编码和解码层可以针对你的目标函数共同学习（仍然可以涉及softmax）。查看这篇论文，它展示了这种模型如何在神经机器翻译中使用。这里的解码器一次发出一个词，以生成正确的翻译。