一、概述
本文围绕下面这篇论文来解析基于Transformer采用Poly-Encoder的架构体系如何来平衡模型的速度和质量表现,以及它与其它encoders架构的对比等。
关于速度,譬如在线推理时,如果用户输入后系统需要较长的时间来给出回应,那么在实际运用中是无法接受的,而模型的质量好坏会影响到对话系统的表现,如基于用户输入,系统不能选择正确的回应等。对于需要在两个输入序列(sequence)之间做出成对比较的任务,即使用输入来匹配相应的label(input-response),通常有两种做法:
- Cross-encoders,基于input-response pair使用全连接自注意力机制,即input上下文中的tokens和response中的tokens是相互注意,相互作用的。
优点:质量非常好,由于在input和response之间的tokens是完全相互注意的
缺点:速度很慢,因为对于每次的输入都需要重新计算