Bộ Bao Đóng Mạng Hồi Quy Hai Chiều (Bidirectional RNN Wrapper)

Mục tiêu kiến thức

• Trong các bài toán xử lý chuỗi phi nhân quả (Non-causal NLP như NER, POS tagging, Dịch máy Encoder):

Mỗi từ cần hiểu cả ngữ cảnh quá khứ (phía trước) và tương lai (phía sau).

• Bidirectional RNN (Bi-RNN - Schuster & Paliwal, 1997):
• Nhánh xuôi (Forward RNN): Duyệt từ t = 1 → T, sinh chuỗi h_t^(f).
• Nhánh ngược (Backward RNN): Duyệt từ t = T → 1, sinh chuỗi h_t^(b).
• Tại mỗi vị trí t, ghép nối (concatenate) trạng thái của 2 nhánh:

h_t = [h_t^(f) ; h_t^(b)] ∈ R^{B × 2D_hidden}

Yêu cầu

Xây dựng lớp BidirectionalRNN(torch.nn.Module):

class BidirectionalRNN(nn.Module):
    def __init__(self, input_dim: int, hidden_dim: int):
        pass

    def forward(self, x: torch.Tensor) -> torch.Tensor:
        # x shape: (B, seq_len, input_dim)
        # returns shape: (B, seq_len, 2 * hidden_dim)
        pass

• Module chứa self.forward_rnn và self.backward_rnn là 2 đối tượng nn.RNN(input_dim, hidden_dim, batch_first=True).

Ràng buộc

• Thời gian chạy tối đa: 2000ms.
• Giới hạn bộ nhớ: 256MB.
• Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.