← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9850.q · 生成模型:Hunyuan

主流预训练模型

理解等级:中级

ELMo 是最早的语境化词嵌入方法之一,采用双层 Bi-LSTM、正反向结果拼接并加入残差,本质仍是自回归单向语言模型。GPT 是生成式预训练模型,用多层单向 Transformer Decoder 作为特征抽取器,抽取能力强于 LSTM;GPT-2、GPT-3 在框架上变化不大,主要靠更大模型、更多更优数据与无监督多任务联合训练提升。BERT 属于 Mask 语言模型,靠超大数据与巨大计算开销训练,在 11 项 NLP 任务上取得 SOTA。从 ELMo 到 GPT 再到 BERT,主线是用更强特征抽取器与更合适的语言模型目标替换旧方案。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第1章 万物皆可嵌入(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter4_0006.xhtml) - 结论依据:原文逐一介绍了 ELMo 的 Bi-LSTM 结构、GPT 的 Transformer Decoder 特征抽取器以及 BERT 的 MLM 与 11 项 SOTA 结果。 - 原始内容:ELMo是最早进行语境化词嵌入的方法之一,是典型的自回归预训练模型,包括两个独立的单向LSTM实现的单向语言模型。