【论文笔记】当Bert炼丹不是玄学而是哲学：Mengzi模型

最新推荐文章于 2024-04-05 09:58:32 发布

致Great

最新推荐文章于 2024-04-05 09:58:32 发布

阅读量1.8k

点赞数

分类专栏： NLP 文章标签： bert 深度学习人工智能

本文链接：https://blog.csdn.net/yanqianglifei/article/details/122313737

版权

NLP 专栏收录该内容

68 篇文章 20 订阅

订阅专栏

论文标题：Mengzi: Towards Lightweight yet Ingenious Pre-trained Models for Chinese
论文链接：https://arxiv.org/pdf/2110.06696.pdf
论文代码：https://github.com/Langboat/Mengzi
论文作者：{Zhuosheng Zhang etc.}

今年七月，澜舟科技推出的孟子模型以十亿参数刷新了此前百亿、千亿级别参数模型轮番霸榜的中文语言理解权威评测基准 CLUE 榜单。为了促进自然语言处理技术在更广泛实际场景中的应用，澜舟科技近日开源了轻量级中文预训练语言模型——孟子模型。孟子模型基于轻量级、高效训练研究路线，有利于快速、低成本地落地现实业务场景。

Using force to suppress others leads to superficial compromise. Genuine power only comes from practicality. (以力服人者, 非心服也,力不赡也。权,然后知轻重;度,然后知长短。) — Mencius (372 BC - 289 BC)

论文摘要

近些年预训练模型（PLM）在各种NLP任务中取得了显著的效果，提升了之前传统深度序列模型的性能，众所周知预训练模型的训练在时间和资源方面是“昂贵的”，没有几十张3090或者A100就别提Sota了。所以这就要求我们使用更少的计算资源训练更有效的模型，同时保证PLM模型的强大性能。本文作者不在追求更大规模的训练模式，而是致力于轻量级且更强性能的模型开发，提出了中文预训练模型Mengzi，与其他中文语言模型相比，孟子模型最大的特点就是小而精，只用 10亿参数就杀进中文自然语言理解 CLUE榜单前三。它采用轻量化训练策略，致力于构建十亿参数级别的小模型，充分发挥已有参数下的模型潜力，有利于快速、低成本的落地现实业务场景。

模型简介

在预训练模型（PLMs）越来越火、性能越来越强并且实际落地场景越来越丰富的背景下，预训练模型逐渐呈现为以下几种趋势：

（1）bigger Model、more Data：模型更大、数据更多
（2）more efficient architecture、 pre-training methodology：更强大的模型结构与预训练方法
（3） domain- and task-aware pre-training：领域和任务启发式预训练任务
（4）unification of vision and language modeling：视觉与文本的多模态模型

尽管使用方便，但目前plm需要消耗昂贵的资源和时间，这阻碍了广泛的预训练模型实际应用。因此，鉴于资源和开发成本，规模适中但功能强大的模型成为业界迫切需要。从技术的角度来看，关于轻量级语言模型的主要问题在于两个方面：

(1)有效的训练目标，能够快速捕获语义知识
(2)有效的策略,能够快速训练语言模型。

其次PLMs模型性能非常强大高效，能够捕获语法和语义信息，但是也面临一些问题，比如模型难以收敛，训练代价大等。设计有效语言模型目标是训练预训练模型的核心主题之一，这可以决定模型如何能够从大规模未标注数据中获取知识。目前出现了denoising strategies（去噪策略）、模型结构（比如XLNET）和辅助目标，用来提高预训练模型的能力。但是这些前沿技术主要集中英语，类似中文等语言的模型却很少，随着财务分析、多模态等特定领域的应用需求，进一步推动了中文预训练模型的研发。

最后回归到模型效率，根据以往研究预训练模型加速方法主要为知识蒸馏和模型压缩，然而它们对于现实世界的应用程序并不是最佳的方案。知识蒸馏方法在大规模教师模型的指导下训练一个学生模型，这需要两个阶段的训练，而教师模型的训练仍然消耗大量的计算资源。同样，模型压缩的目的是训练一个简单的和优化的模型，而不显著降低精度，其广泛使用的技术包括参数共享、模块替换、剪枝和量化。这样的方法线仍然需要大量的培训。此外，这些方法在模型架构上发生了巨大的变化，因此很难在现实世界中轻松实现，与transformers工具包等通常部署的框架不兼容。（看来本文作者在实现上对抱抱脸兼容上花了心思）。

本文的目标不是追求更大的模型规模，而是轻量级但更强大，同时对部署和工业落地更友好的模型。基于语言学信息融入和训练加速等方法，研发了 Mengzi 系列模型。由于与 BERT 保持一致的模型结构，Mengzi 模型可以快速替换现有的预训练模型。这项工作的主要贡献有三个方面：

1)研究了各种预训练策略来训练轻量级语言模型，表明精心设计良好的目标可以进一步显著提高模型的容量，而不需要扩大模型的大小。
2发布了Mengzi模型，包括判别式、生成式、金融和多模态模型变体，能够胜任广泛的语言和视觉任务。这些模型中的文本编码器只包含1.03亿个参数，我们希望这能够促进学术界和工业界的相关研究。
3)通过大量基准任务测试表明，孟子模型在一系列语言理解和生成任务上取得了很强的性能。

文本编码器

如图所示Mengzi模型家族包括：

Mengzi-BERT-base
Mengzi-BERT-base-fin
Mengzi-T5-base
Mengzi-Oscar-base

从应用场景的角度来看，它们的范围从纯文本语言模型到多模态变体，从通用训练到特定领域的适应。具体特点如下：

从技术角度来看，后三个可以看作是Mengzi-BERT-base的衍生，因为它们的文本编码器遵循与Mengzi-BERT-base相同的结构，并由Mengzi-BERT-base的预训练参数初始化。因此，在下面的实验部分中，文章只关注基本的仅文本编码器方面，以及相关有效的优化技术。

模型设置

数据预处理：训练前的语料库来源于中文维基百科、中文新闻和爬虫语料，总数据大小为300GB。通过使用探索性的数据分析技术来清理数据，删除HTML标签、url、电子邮件、表情符号等。由于在原始语料库中有简体标记和传统的中文标记，使用OpenCC将传统标记转换为简体形式，重复的文章也会被删除。
模型结构：RoBERTa被选做为 Mengzi预训练的骨干模型，12层transformers，hidden size为768，12个attention heads，预训练任务为MLM。
预训练细节：(1)词汇表包含21,128个字符，看了下与Bert大小保持一致。句子长度限制在512个字符，batch size为128。(2)在训练前，每个序列中有15%的单词被随机屏蔽以进行MLM预测。(3)使用LAMB优化器的mixed-batch训练方式，它涉及两个阶段：总epoch的前9/10使用序列长度为128，总epoch的最后1/10使用序列长度为512。这两个阶段的批次规模分别为16384和32768。采用PostgreSQL对训练示例进行全局抽样，以避免两阶段训练中样本权重的不平衡。整个培训前的过程需要100万步。使用32个3090 24G，使用FP16和深度4进行训练加速（只能说土豪）。

模型实验

对于模型评价的下游任务，文本使用中文语言理解评价(CLUE)基准，包括六种不同的自然语言理解任务：蚂蚁金融问题匹配(AFQMC)、新闻标题文本分类（TNEWS)、中文文本（CO，2019)、中文翻译多基因自然语言推理(CMNLI)、中文机器智能测试(WSC)、中文科学文献(CSL)和三个机器阅读理解(MRC)任务：中国机器阅读理解(CMRC)、中文语言完形填空(CHID)和中文多项选择阅读理解(C3)。

从上表可以看出Mengzi模型相比其他中文预训练模型取了性能提升。

微调细节

在微调实验中，论文使用Adam作为优化器，初始学习率为{8e-6、1e-5、2e-5、3e-5}，预热率为0.1，L2权重衰减为0.01。批处理大小将在{16、24、32}中进行选择。根据任务，最大epochs在[2,5]中设置。对于文本最大长度：MRC的最大长度为384，其他任务为256。

PLM进阶

文本进一步研究了预训练和微调技术，来进一步提高Menzi模型的能力。

预训练技术

Linguistic-motivated Objectives：语义信息已被证明对语言建模是有效的。受LIMIT-Bert的启发，在训练前使用了词性(POS)和命名实体(NE)序列标记任务，并结合了原始的MLM和NSP目标。原始文本中的POS和NE标签由spaCy标注。
Sequence Relationship Objectives：为了更好地对句子间的句子对信息进行建模，Mengzi在模型预训练中添加了句子顺序预测(SOP)任务。
Dynamic Gradient Correction：广泛使用的MLM会引起原始句子结构的干扰，导致语义丢失，增加了模型预测的难度，不可避免地导致训练不足和效率低下。为了缓解这一问题，本文提出了一系列的动态梯度校正技术来提高模型的性能和鲁棒性。

微调策略

Knowledge Distillation：文本训练了一个教师模型，并采用教师模型来指导学生模型的训练。详细地，分别计算了相同输入序列的上下文隐藏状态的Kullback-leibler(KL)散度。差异度量了教师和学生模型的表示之间的相似度，在微调过程中与原始下游任务目标一起最小化。
Transfer Learning：不同任务的迁移学习，比如利用CMNLI数据集上训练模型的参数来初始化C3等相关数据集的模型训练
Choice Smoothing：对于多项选择或分类任务，结合不同类型的训练目标会带来更好的表现。对于每个输入示例，我们应用交叉熵和二进制交叉熵作为损失函数，并结合双方的损失，帮助模型从不同的粒度学习特征。
Adversarial Training：应用了一种由平滑诱导的对抗性正则化技术：SMART，以支持当向输入注入一个小的扰动时，模型的输出没有太大的变化。
数据增强

实战任务

# 使用 Huggingface transformers 加载
from transformers import BertTokenizer, BertModel

tokenizer = BertTokenizer.from_pretrained("Langboat/mengzi-bert-base")
model = BertModel.from_pretrained("Langboat/mengzi-bert-base")

营销文案生成

图2比较了基于Monno-T5基础模型和GPT生成的营销文案文本的质量。给定输入的标题和关键字，模型需要生成相应的描述性段落。根据生成的例子，可以观察到monno-t5基础模型生成的文本包含更多的细节，同时保持流畅性，这表明使用Mengzi模型生成文本将受益于令人满意的多样性流畅性和连贯性。

金融任务

论文在信息检索、实体识别和实体链接等金融任务中进行了评估，如信息检索、实体识别、关系提取和实体链接。从LUGE中提取实体（例如，事件），用于实体识别任务。对于对其他任务的评估，使用自收集的数据集。表6的结果表明，本文的方法能够完成特定于金融领域的任务，特别是Mengzi-BERT-base-fin产生了最好的性能。