诸神缄默不语-个人CSDN博文目录
诸神缄默不语的论文阅读笔记和分类

论文全名：Improving Language Understanding by Generative Pre-Training
论文下载地址：https://www.mikecaptain.com/resources/pdf/GPT-1.pdf

本文是2018年OpenAI的工作，是初代GPT的原始论文。

先用无监督数据预训练语言模型（Transformer decoder），再在有监督数据上微调（加一层prediction head，同时优化语言模型和有监督任务的损失函数）

文章目录

• 1. 简介
• 2. GPT-1
• • 1. 无监督预训练语言模型
  • 2. 微调
• 3. 实验
• • 1. 数据集
  • 2. 下游任务指标
  • 3. 模型分析

1. 简介

NLU任务包括textual entailment, question answering, semantic similarity assessment, and document classification等子任务，本文测试了NLI、QA、语义相似度和文本分类4个任务。
有监督数据稀少，本文的解决方案是在语言模型上用海量无标签数据上进行generative pre-training，然后再在特定子任务上discriminative fine-tuning。
（算半监督学习）

普遍的使用无监督方法来学习语言学知识的方法，是构建预训练词嵌入来提升NLP任务的效果，这种做法有两个问题：1. 在学习文本表征中使用什么优化目标对迁移最有效，不知道。至今没有绝对优秀的方法。2. 如何利用文本表征最有效，不知道。

2. GPT-1

1. 无监督预训练语言模型

标准语言模型目标，最大化文本的似然：

（$k$是上下文窗口尺寸，条件概率$P$，神经网络的参数$\Theta$）

本文用多层Transofmer decoder¹（多头自注意力机制+position-wise前馈神经网络生成target token上的输出分布）：

$U$是token，$n$是层数，$W_e$是token嵌入矩阵，$W_p$是position embedding矩阵

Transformer相比LSTM的优势体验在对长文本的处理上

2. 微调

通过输入（每个任务被转变成不同形式的输入，见figure 1）得到表征，喂进线性输出层来预测$y$：

新的优化目标：

事实上是将两个优化目标加起来：

3. 实验

1. 数据集

1. 上游预训练数据：BooksCorpus和1B Word Benchmark
2. 下游微调数据
   

2. 下游任务指标

1. NLI任务的实验结果
2. QA和常识推理的实验结果
3. 语义相似度和文本分类的实验结果

3. 模型分析

1. 层数对微调结果的影响（答案是越多越好）和预训练更新次数对zero-shot表现的影响
   （数值是经规范化后得到的）
2. ablation study