Improving Language Understanding by Generative Pre-Training
方法部分:
文章工作: 无监督的预训练+有监督的参数微调
目的:是学习出普适性的表征,可以在只做一点点调整的情况下(不改变模型结构)应用于更大范围的task(包括自然语言推理,转述检测,故事补全)
使用的模型:Transformer
实现的效果:高效的参数微调,适应长语句序列的学习
原理部分:
实验部分:
预训练数据集:BooksCrops dataset
transformer(decoder部分):12层,768维状态,12个注意头
feed-forward layer: 3072维内部状态
Adam优化策略:最大学习率2.5e-4(从零线性增长,200次更新后完成);学习率余弦方式衰减
seq-length:512tokens
权重初始化:N(0,0.02)
编码方式: BPE(40,000 merges and residual)
attention dropout rate : 0.1
L2 正则化: ω = 0.1 \omega = 0.1 ω=0.1 ; 无偏置或者增益权重
参数微调部分:
dropout for classifier: 0.1
学习率: 6.25e-5
batchsize: 32
参数微调时间: 3 epoches
warmup: 0.2%的训练样本
学习率衰减方式: 线性方式
λ : \lambda : λ: 0.5
优化成果:
主要衡量依据是accuracy(测试集是有label的目标任务)
improving 9 out of 12 dataset(state of the art)
各种任务具体数据集的具体提升能力见论文表格。