BERT：我训练再久一点、数据量再大一点，就能重返SOTA 机器之心报道 参与：思源、张倩 XLNet 冠军宝座还没坐热，剧情又一次发生反转。 上个月，XLNet 在 20 项任务上全面超越了 BERT，创造了 NLP 预训练模型新记录，一时风光无两。但现在，XLNet 刚屠榜一个月，剧情再次发生反转：Facebook 的研究人员表示，如果训练得更久一点、数据再大一点，BERT 就能重返 SOTA。 他们将改进版的 BERT 命名为 RoBERTa，目前已登上 GLUE 排行榜榜首。 Facebook AI 说：「RoBERTa 的全名为 Robustly Optimized BERT pretraining Approach，我们采用了 BERT-Large，并通过更多的数据与更长的训练来提升预训练过程，最终的结果通过模型集成获得。」 我们算下来，XLNet 用了 126GB 的纯文本，TPU 成本要花 6.14 万美元。如果 RoBERTa 训练资源还要多，那得有多少？ 从 BERT 到 XLNet 2018 年，谷歌发布了基于双向 Transformer 的大规模预训练语言模型 BERT，刷新了 11 项 NLP 任务的最优性能记录，为 NLP 领域带来了极大的惊喜。很快，BERT 就在圈内普及开来，也陆续出现了很多与它相关的新工作。 从 GLUE 基准排行榜上来看，目前 Bert 模型已经排到了第 12 位，但如果仔细观察榜单就可以发现，排在前面的很多模型都是以 BERT 为基础进行的改进，如排在第 8 位的 SemBERT、第 9 位的 BERT+BAM、第 11 位的 BERT on STILTs 等。 但也有研究者另辟蹊径，试图用其他方法构建可以超越 BERT 的预训练模型，如上个月屠榜的 XLNet。XLNet 由卡耐基梅隆大学与谷歌大脑的研究者提出，在 SQuAD、GLUE、RACE 等 20 个任务上全面超越了 BERT，并在 18 个任务上取得了当前最佳效果（state-of-the-art），包括机器问答、自然语言推断、情感分析和文档排序。 XLNet 是一种泛化的自回归预训练模型。研究者表示，该模型克服了 BERT 存在的一些缺点：1）通过排列语言模型，解除 BERT 对 Mask 的独立性假设；2）在预训练中不使用 Mask，解决下游 NLP 任务没有 Mask 标签这一问题。这两大改进，就令 XLNet 相比 BERT 更适合做预训练语言模型。 研究者在 XLNet 中表示，如果 XLNet-Base 的参数量与数据量都与 BERT-Base 相同，那么 XLNet 的效果还是要好一些的。这也就说明 XLNet 本身对任务和架构的改进还是非常有优势的。 数据与算力才是 GLUE 基准的王道 几小时前，Facebook AI 发推特表示只要数据足够大、算力足够多，那么 BERT 还有很大的提升空间。甚至对比改进了任务和结构的 XLNet，RoBERTa 在 6 项 NLP 任务中都有更多的提升。 首先对于数据，XLNet 除了采用原版 BERT 使用的 BooksCorpus、Wikipedia 两大标准数据集（两个共 13GB），它还额外使用了 Giga5、ClueWeb 2012-B、Common Crawl 三大文本数据集（三个共 113GB），本身数据量就已经极其庞大了。那么如果 RoBERTa 要超过 XLNet，那个数据量得多大啊。 其次对于计算力，XLNet 一作杨植麟对机器之心表示，他们使用的是谷歌内部的 TPU 算力，因此对于费用并没有太大的感受。但是按照 XLNet 大模型在 128 个 Cloud TPU v3 下训练 2 天半来算，这基本已经是学术研究机构无法承担的成本。也就 Facebook 这种科技巨头能拿得出「更大」的算力。 最后，这里之所以说是 BERT 重夺 SOTA 结果，是因为 Facebook AI 表示他们采用了 BERT-Large 的原实现。虽然正式的 Paper 或博客还没出来，但我们知道它的主体就是 BERT，只不过可能加了某些修正以更鲁棒地训练。 这样看来，不论是前一段时间有大幅度提升的 XLNet，还是后来赶上的 RoBERTa，它们在数据量和计算力上都有极大地提升。也许在两者的加持下，GLUE 基准才不停地更新。 本文为机器之心报道，转载请联系本公众号获得授权。 ?------------------------------------------------ 加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com 投稿或寻求报道：content@jiqizhixin.com 广告 & 商务合作：bd@jiqizhixin.com