欢迎交流指正
1. CTRL - A Conditional Transformer Language Model for Controllable Generation
https://arxiv.org/pdf/1909.05858.pdf
模型应该没变, 变得是训练数据的格式,会将数据分类,每一个分类变成 比如, book x,y 或者wiki x, y。
2. GPT2 (转自 https://zhuanlan.zhihu.com/p/57251615)
GPT2的核心思想就是认为可以用无监督的预训练模型去做有监督任务。GPT2模型的结构还是和GPT一样,如上图中间部分,它所适用的任务恰好是语言模型,即预测 [公式] ,这是大家再熟悉不过的公式。那为什么这个就能做有监督任务呢?平常的套路难道不是语言模型预训练+微调吗?反正当时我是一脸懵逼的,反复看了两三遍才理透这个逻辑,下面我给大家梳理一下,如果这个思想懂了,那上面的问题就不是问题了。
按照原文的思路,作者是这样论述的:
- 语言模型其实也是在给序列的条件概率建模,即 [公式]
- 任何的有监督任务,其实都是在估计 [公式] ,通常我们会用特定的网络结构去给任务建模,但如果要做通用模型,它需要对 [公式] 建模。对于NLP任务的input和output,我们平常都可以用向量表示,而对于task,其实