谷歌T5 1.1版本

版本1.1

T5 1.1版本相比原始T5模型进行了以下改进：

• 在前馈隐藏层中使用GEGLU激活函数替代ReLU——详见论文
• 预训练阶段关闭Dropout（质量提升），微调阶段应重新启用
• 仅在C4数据集上进行预训练，不混合下游任务数据
• 嵌入层与分类器层取消参数共享
• 用"xl"和"xxl"取代"3B"和"11B"命名，模型结构略有调整：增大d_model维度，减少num_heads和d_ff维度

注意：T5 1.1版本仅在C4数据集上进行无监督预训练，未包含任何监督训练。因此使用前需在下游任务进行微调。
预训练数据集：C4
其他社区检查点：此处查看
论文：《探索文本到文本统一转换器的迁移学习极限》

作者：Colin Raffel, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, Peter J. Liu

摘要

迁移学习通过先在数据丰富的任务上预训练模型，再在下游任务微调，已成为自然语言处理（NLP）的强大技术。其有效性催生了多样化的方法、方法论和实践。本文通过将各类语言问题统一转换为文本到文本格式，系统比较了数十项语言理解任务中的预训练目标、架构、无标签数据集和迁移方法等因素。结合探索发现与大规模"Colossal Clean Crawled Corpus"数据集，我们在摘要生成、问答、文本分类等多项基准测试中取得最先进成果。为促进NLP迁移学习研究，我们公开了数据集、预训练模型和代码。