通俗解释
随机遮住 15% 的词让模型去猜，模型同时看左右上下文，学到很强的语义表示。它开启了“预训练+微调”时代，至今仍是嵌入和分类模型的骨干。
用在哪里：搜索相关性、文本分类、嵌入模型
时间轴 · 前置 → 当前 → 后继
01原始论文
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
Jacob Devlin, Ming-Wei Chang, Kenton Lee, et al. · 2018
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
BERT
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零理解一个大模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
bert)