江苏龙网

  1. 首页 > 人文 > >

谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样


萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI
最新消息 ， 谷歌推出了NLP系列「芝麻街」的新成员Big Bird 。
这个在外界眼中看起来有点可爱的动漫小鸟 ， 摇身一变 ， 解决了BERT模型中的全注意力机制带来的序列长度二次依赖限制 ， 可以兼顾更长的上下文 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
△ 「芝麻街」中的Big Bird
众所周知 ， 谷歌开发的BERT ， 曾经被称为「地表最强」NLP模型 。
而BERT ， 则与美国知名动画片「芝麻街」（Sesame Street）里的虚拟人物同名 。
此前 ， 谷歌的「芝麻街」系列已经有5个成员（论文链接见传送门） ， 现在Big Bird的到来 ， 意味着谷歌在NLP的研究上更进一步 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
△ 少了一位ELMo
来看看Big Bird实现了什么 。
突破全注意力机制的局限
在NLP模块表现最好的几种深度学习模型 ， 例如BERT ， 都是基于Transformer作为特征抽取器的模型 ， 但这种模型有它的局限性 ， 核心之一就是全注意力机制 。
这种机制会带来序列长度二次依赖限制 ， 主要表现在存储方面 。
为了解决这个问题 ， 团队提出了一种名为Big Bird的稀疏注意力机制 。
作为更长序列上的Transformers ， Big Bird采用稀疏注意力机制 ， 将二次依赖降至线性 。
下面这张图片 ， 展示了Big Bird所用的注意力机制模块构建 。
其中 ， 白色的部分代表着注意力的空缺 。
图（a）表示r=2的随机注意力机制 ， 图（b）表示w=3的局部注意力机制 ， 图（c）表示g=2的全局注意力机制 ， 图（d）则是前三者融合起来的Big Bird模型 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
之所以提出这样的模型 ， 是因为团队希望能在将二次依赖降至线性的同时 ， Big Bird的模型还能最大程度上接近并保持BERT模型的各项指标 。
从下图来看 ， 无论是单一采用随机注意力机制、局部注意力机制 ， 还是二者结合的方式 ， 都没有将三者进行结合的效果好 。
也就是说 ， 随机+局部+全局的注意力机制融合 ， 最大程度上接近了BERT-base的各项指标 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
不仅如此 ， 这种稀疏注意力机制的一部分 ， 还包括了采用O(1)的全局词例（global token） ， 例如CLS 。
这部分使得长程注意力开销从O(N√N)降至O(N) 。
NLP问答和摘要任务中超越了SOTA
模型采用Books、CC-News、Stories和Wikipedia几种数据集对四类模型进行了训练 ， 根据留出法评估 ， BigBird-ETC的损失达到了最低 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
从结果来看 ， Big Bird在问答任务中展示出的精度非常不错 。
下图是Big Bird与RoBERTa和Longformer对比所展现出来的精度效果 ， 可以看见 ， 在各项数据及上 ， BigBird的两个模型都展现出了更高的精度 。

谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
而在对模型进行微调后 ， 可以看见 ， BigBird-ETC在HotpotQA的Sup、NaturalQ的LA、TriviaQA的Verified和WikiHop上均超越了SOTA 。
谷歌新模型突破BERT局限：NLP版「芝麻街」新成员Big Bird长这样
本文插图
与此同时 ， Big Bird在NLP的摘要任务中表现也比较亮眼 。


推荐阅读


上一篇：国际人物志|拿冲锋枪逼来往车辆交“过路费”，墨西哥贩毒集团在公路上设路障

下一篇：北京商报|美媒：经济复苏失败，美国二季度经济数据暴跌