BERT模型中词汇表向量与网络权重：从属关系与不可替代的功能分工在NLP领域，BERT模型的“词汇表”和“网络权重”是两个高频出现的概念，但不少开发者在实践中会陷入一个误区：将二者视为独立模块，甚至认为“用其他网络权重替代词汇表也能工作”。事实上，词汇表向量（嵌入层参数）是网络权重的“子集”，并非两回事，但二者功能分工完全不同，因此绝不能用其他网络权重替代词汇表——前者负责“将离散Token映射为连续语义向量”（语义理解的基础载体），后者负责“加工语义向量、捕捉上下文依赖”（语义理解的核心处理器），二者缺一不可，共同构成BERT的语义学习能力。