DeBERTaV3：通过梯度解耦嵌入共享的ELECTRA风格预训练改进DeBERTa

DeBERTa通过解耦注意力机制和增强型掩码解码器，对BERT和RoBERTa模型进行了改进。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的表现。

在DeBERTa V3中，我们采用ELECTRA风格的梯度解耦嵌入共享预训练方法，进一步提升了模型效率。相较于前代版本，V3在下游任务中的性能表现有显著提升。技术细节详见我们的论文。

更多实现细节与更新请访问官方代码库。

DeBERTa V3 xsmall模型包含12个网络层，隐藏层维度为384。其主干参数仅2200万，词表包含128K个标记，嵌入层额外引入4800万参数。该模型使用与DeBERTa V2相同的160GB数据进行训练。

自然语言理解任务微调

我们在SQuAD 2.0和MNLI任务上的开发集结果如下：

使用HuggingFace 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-xsmall \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1000 \
  --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对您的研究有所帮助，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}
}