BART论文解读_bard论文

作者：我家自动化 | 2024-06-17 03:22:33

踩

bard论文

1 概述

全称：Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension。BART来源于Bidirectional and Auto-Regressive Transformers
发表时间: 2019.10.29
团队：Facebook AI

Paper地址arxiv.org/pdf/1910.13461.pdf

Code地址github.com/huggingface/transformers/blob/master/tests/test_modeling_bart.py

2. 主要贡献

背景：由于基于BERT类的生成模型大多在预训练和下游任务之间存在一定的差异，导致生成模型的结果并不理想，本文提出了BART模型，更加充分去利用上下文信息和自回归特点。
主要贡献：BART提出了一个结合双向和自回归的预训练模型。BART模型首先使用任意噪声来破坏原文本，然后学习模型重构原文本。这样使得，BART不仅很好的处理文本生成任务，同时理解任务上的表现也不错。

3 模型架构

3.1 Architecture

BART使用了标准的seq2seq tranformer结构。BART-base使用了6层的encoder和decoder, BART-large使用了12层的encoder和decoder。BART的模型结构与BERT类似，不同点在于：

（1）decoder部分基于encoder的输出节点在每一层增加了cross-attention（类似于tranformer的seq2seq模型）；

（2）BERT的词预测之前使用了前馈网络，而BART没有。总的来讲，在同等规模下，BART比BERT多了10%的参数。

3.2 Pre-training BART

BART的预训练是在于破坏原文档然后优化重构loss，通过交叉熵来计算decoder输出与原文档的差异。极端情况下，当原文档信息全部丢失时，BART相当于语言模型。

图1 BART预训练方式

BART采用了多种方式破坏原文档，即采用了多种Noise.

Token Masking 随机替换原始token为[MASK]
Token Deletion 随机删除输入的token。相比较于Token Masking，模型必须决定哪个位置是遗漏的。
Text Infilling Text infilling是基于spanBERT的思路，取连续的token用[MASK]替换，span的长度服从的泊松分布。特殊情况下，当span长度为0时，相当于插入了一个mask。
Sentence Permutation 打乱文档中句子的顺序。
Document Rotation 随机选择一个token,然后旋转文本使得新的文本以这个token开头。此任务的目的用于判别文本的开头。

3.3 Fine-tuning BART

3.3.1 Sequence Classification Tasks

对于序列分类（文本分类）任务，encoder和decoder部分都用相同的输入，将deocoder最后一个节点用于多类别线性分类器中。此方法与BERT的CLS token较为类似；区别在于,BART在decoder部分最后增加了一个token，如此，便可获得来自完整输入的解码信息。（见图） - 思考：此方法，在inference上会更耗时吗

图2 BART在文本分类上finetune的方式

3.3.2 Token Classification Tasks

对于序列标注任务，同样是在decoder和encoder采用相同的文本输入，以decoder的隐藏节点输出用于预测每个节点的类别。

3.3.3 Sequence Generation Tasks

由于BART的模型框架本身就采用了自回归方式，因而在finetune序列生成任务时，可直接在encoder部分输入原始文本，decoder部分用于预测待生成的文本。

3.3.4 Machine Translation

BART预训练模型同样也可用于将其它语言翻译为英文（BART的预训练模型是基于英语来训练的）。

先前的研究工作已经表明，在机器翻译中，encoder部分融合预训练模型能带来较大的效果提升，然后在decoder部分却受到限制。本文本表明在仅仅在encoder更换部分参数，就可利用到整个BART模型（包括encoder和decoder）。

更准确地说，本文替换encoder的embedding layer的参数为随机初始化所得（因输入语言不再是预训练模型采用的英语）。然后，整个finetue阶段便可分为两步：1）先冻结BART的大部分参数，仅仅更新encoder部分的randomly initialized encoder和BART positional embeddings，以及输入到BART的第一层self-attention映射矩阵。2）更新BART的全部参数，这一步，仅需迭代几次即可。