GPT1-3（GPT3/few-shot,无需finetune）

GPT1–finetune

• 12层单向transformer
• 预训练+精调
• 被bert比下去了

GPT2-元学习

• 输入：加上任务描述
  • “英翻法：This is life”
• 输出：
  • “C’est la vie”
• 参数15亿
• 在NLU:比不上bert
• 也比不过其他大参数模型：如Turing-NLG

GPT3-Language Models are Few-Shot Learners

paper链接：https://arxiv.org/abs/2005.14165
github链接：https://github.com/openai/gpt-3

• 无需finetune
  • finetune缺点：
    • 过分依赖领域数据
    • 数据少，会过拟合（非常容易……）
• 目标：用更少的领域数据、且不经过精调步骤去解决问题。
• 参数量：
• 仍是单向，在预测新的token时会对之前的examples进行编码。
• GPT-3在Few-shot设定下，在部分NLU任务上超越了当前Fine-tuning的SOTA。
  
  

参考

paper链接：https://arxiv.org/abs/2005.14165
GPT-3诞生，Finetune也不再必要了！NLP领域又一核弹！