语言模型是无监督的多任务学习者 ¶

介绍 ¶

• 技术路线与 GPT-1 一致（decoder-only）。
• 使用了更大的数据集 WebText（127000+），训练了更大的模型 GPT-2（参数量最大 1.5B）。
• 以前的路线：训练一个模型模拟正确行为，依赖于特定模型，泛化性不好。
  • 需要微调和特定任务的 labeled data。
  • 因此本文不使用微调，提出 Zero-shot 这个指标。
• Zero-shot 的情况下，8 个测试语言建模数据集中的 7 个数据集上取得了最先进的结果。

方法 ¶

• 模型与 GPT-1 一致，参数更多。

  

• Zero-shot 时，下游任务的输入要与预训练使用的文本一致（否则模型无法理解输入）。语言里依次包括任务描述、输入以及输出（prompt）。

  Example

  • 翻译：(translate English to French, English text, French text)
  • 问答：(question answering, question, answer)

• 数据集：

  • Common Crawl，太脏了不用。
  • WebText，从 Reddit 上爬取的数据（通过 karma 判断质量）。
• 输入表示：使用 BPE（Byte Pair Encoding）。

评论 ¶

• GPT 的问题在于如何打败 BERT。如果只是增大模型大小，但是依然无法比 BERT 好或者无法好太多，那么文章的意义不大。因此本文找了另一个角度：Zero-shot 作为主要卖点。
• 启示：做工程可以一条路走到黑，但是做 research 要尝试去找新角度。

评论