← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9856.c · 生成模型:Hunyuan

掩码语言模型

理解等级:高级

掩码语言模型让BERT真正双向:随机遮住部分词,让模型依据左右两侧上下文预测被遮词,其目标函数同时条件于左右词,而ELMo只是把左到右和右到左两个单向目标分别训练再拼接。训练时15%的WordPiece被选中遮掩;为缓解预训练有[MASK]而微调、测试没有的不一致,对被选中位置再按80%替换为[MASK]、10%换成任意词、10%保持原词的比例扰动。这样模型不能只依赖[MASK]标记,被迫学习真实的上下文表示。预训练总损失由MLM损失与NSP损失相加构成。

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

    • 第7章 从ELMo到BERT和GPT · 查看原书依据

      因测试环境没有遮掩这类标识,为尽量使训练和测试这两个环境靠近,BERT的提出者使用了一个遮掩小技巧,即在确定要遮掩掉的单词之后,80%会直接替换为[MASK],10%会将其替换为其他任意单词,10%会保留原始标识符。

    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7章 从ELMo到BERT和GPT(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/Chapter10_0002.xhtml) - 结论依据:原文给出MLM的真正双向目标、15%遮掩比例与80/10/10遮掩技巧,以及训练测试环境一致性的动机,直接支撑本卡。 - 原始内容:因测试环境没有遮掩这类标识,为尽量使训练和测试这两个环境靠近,BERT的提出者使用了一个遮掩小技巧,即在确定要遮掩掉的单词之后,80%会直接替换为[MASK],10%会将其替换为其他任意单词,10%会保留原始标识符。