缩写 |
英文名 |
中文名 |
简要说明 |
BERT |
Bidirectional Encoder Representations from Transformers |
双向编码器表示变压器 |
预训练深度双向语言模型,使用 Transformer 架构来更好地理解语言上下文。 |
GPT |
Generative Pre-trained Transformer |
生成预训练变压器 |
一个自回归语言模型,使用预训练和微调来生成文本。 |
T5 |
Text-to-Text Transfer Transformer |
文本到文本转换变压器 |
将所有NLP任务视为文本间转换问题的统一框架。 |
RoBERTa |
Robustly Optimized BERT Pretraining Approach |
鲁棒优化BERT预训练方法 |
一种改进的BERT预训练方法,通过优化模型的训练过程来提高性能。 |
XLNet |
- |
XLNet |
结合了自回归语言模型和自编码语言模型的优点,采用置换语言模型预训练方法。 |
ALBERT |
A Lite BERT |
精简版BERT |
BERT的轻量级版本,通过参数共享和降低模型大小来提高训练效率。 |
ULMFiT |
Universal Language Model Fine-tuning |
通用语言模型微调 |
一种有效的迁移学习方法,通过微调预训练的语言模型来适用于各种下游任务。 |
ELMo |
Embeddings from Language Models |
来自语言模型的嵌入 |
一种基于字符的深层双向语言模型,可以生成词语的上下文相关表示。 |
MTL |
Multi-Task Learning |
多任务学习 |
同时训练一个模型来执行多种任务,以提高模型在各个任务上的性能。 |
CLS |
[CLS] Token (used in BERT) |
[CLS] 标记(在BERT中使用) |
在BERT训练中使用的特殊标记 |
【术语3-微调篇】打败99%小白!一学就会的大模型专业术语,读这一篇就够了
本文详细解析了人工智能领域中大模型微调的关键术语,适合初学者快速入门。通过阅读,你将了解如何对预训练模型进行定制化训练,提升模型在特定任务上的性能,达到击败99%新手的水平。
摘要由CSDN通过智能技术生成