微软DeBERTa-v3小型模型

DeBERTaV3：通过ELECTRA风格预训练与梯度解耦嵌入共享技术优化DeBERTa

DeBERTa通过解耦注意力机制和增强型掩码解码器改进了BERT与RoBERTa模型。凭借这两项创新，DeBERTa在使用80GB训练数据时，在多数自然语言理解任务上超越了RoBERTa。

在DeBERTa V3中，我们采用ELECTRA风格的预训练框架结合梯度解耦嵌入共享技术，进一步提升了模型效率。相较于前代版本，V3在下游任务中展现出显著的性能提升。技术细节详见我们的研究论文。

更多实现细节与更新请访问官方代码库。

该DeBERTa V3小型模型采用6层网络结构，隐藏层维度为768。主干网络包含4400万参数，词表规模达128K个标记，其中嵌入层参数占比9800万。模型训练数据量与DeBERTa V2相同，均为160GB。

NLU任务微调表现

我们在SQuAD 2.0和MNLI任务上的开发集结果：

使用Hugging Face Transformers微调

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
export TASK_NAME=mnli

output_dir="ds_results"

num_gpus=8

batch_size=8

python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_glue.py \
  --model_name_or_path microsoft/deberta-v3-small \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1500 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 4.5e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

引用文献

若DeBERTa对您的研究有所助益，请引用以下论文：

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}