解决的问题:
基于AR的模型可能更倾向于关注最新的token,而不是为下一个token预测捕获长期依赖关系。 原因如下:(a)局部相关性(例如二元组合)通常比长期依赖性强。 (b)teacher forcing,模型着重于每个时间步的下一步预测,对未来的token planning & modeling 没有明显偏向性。最终会导致:局部token的组合会过拟合的,但是全局连贯性和长期依存关系却不足,在inference的过程中,生成过程倾向于保持局部连贯性,但缺乏有意义的全局结构,尤其是在使用beam search这一类的贪婪搜索时更为严重
解决方案:
新的序列到序列的预训练模型ProphetNet,它引入了一种新颖的自我监督目标函数,即future n-gram prediction 和 n-stream self-attention 机制;在当前时刻,基于之前的context,同时预测接下来的n个词条;防止过拟合,为长期依赖做打算
RELATED WORK:
自回归语言模型(Autoregressive LM)
在ELMO/BERT出来之前,大家通常讲的语言模型其实是根据上文内容预测下一个可能跟随的单词,就是常说的自左向右的语言模型任务,或者反过来也行,就是根据下文预测前面的单词,这种类型的LM被称为自回归语言模型。GPT 就是典型的自回归语言模型。ELMO尽管看上去利用了上文,也利用了下文,但是本质上仍然是自回归LM
自回归语言模型有优点有缺点,缺点