恒源云(GPUSHARE)_替代MLM的预训练任务，真的超简单吗？

文章来源 | 恒源云社区

原文地址 | 简单到令人沮丧的替代MLM的预训练任务？

原文作者 | Mathor

---

看了这么多篇社区大佬Mathor的文章，就在刚刚，我居然发现大佬居然、大概、可能、也许在diss某个训练说法！

哇哦，amazing！这么神奇的吗？

我这小八卦之心，熊熊燃起了啊！这到底是个啥子神奇的模型训练方法？

大伙也别急惹，让我完整的copy大佬的文章，然后一起一睹究竟！

正文开始

EMNLP2021有一篇论文标题名为Frustratingly Simple Pretraining Alternatives to Masked Language Modeling，翻译过来就是「简单到令人沮丧的替代MLM的预训练任务」。但我给它加了个问号，因为我觉得首先作者提出的这些方法，对于模型来说太难了，即便是让我去做他所提出的这些预训练任务，我都不一定做得出来。其次是从结果来看效果似乎一般般

如下图所示，具体来说作者提出了4中用于替代MLM的预训练任务，分别是Shuffle、Random、Shuffle+Random、Token Type、First Char

PRETRAINING TASKS

Shuffle

作者提到这个方法的灵感来源于ELECTRA。具体来说，一个句子中有15%的token将会被随机调换顺序，然后模型需要做一个token级别的2分类问题，对于每一个位置预测该token是否被调换了位置。这个预训练任务的好处是，模型可以通过学习区分上下文中是否有token被打乱，从而获得句法和语义知识

对于Shuffle任务来说，其损失函数为简单的Cross-Entropy Loss：

其中$N$表示一个样本的token数量，$y_i$和 p (