NLP之PLUG：阿里达摩院发布最大中文预训练语言模型PLUG的简介、架构组成、模型训练、使用方法之详细攻略 |
您所在的位置：网站首页 › plug词源 › NLP之PLUG：阿里达摩院发布最大中文预训练语言模型PLUG的简介、架构组成、模型训练、使用方法之详细攻略 |
NLP之PLUG：阿里达摩院发布最大中文预训练语言模型PLUG的简介、架构组成、模型训练、使用方法之详细攻略
|
目录 PLUG的简介 PLUG的得分 PLUG的特点 PLUG的架构组成 PLUG的模型训练 PLUG的使用方法 1、demo测试 PLUG的简介2021年4月19日，阿里达摩院发布了 270 亿参数、1TB + 训练数据、全球最大中文预训练语言模型 PLUG，并以 80.614 的分数刷新了中文语言理解评测基准 CLUE 分类榜单历史纪录。阿里达摩院发布的中文社区最大规模预训练语言模型 PLUG（Pre-training for Language Understanding and Generation）。该模型集语言理解与生成能力于一身，在小说创作、诗歌生成、智能问答等长文本生成领域表现突出。可用在小说续写、专业文稿撰写、生活常识解答、零样本学习、诗词生成、菜谱生成、自由创作等。 超大模型规模：在多项大规模分布式训练优化技术加持下，我们模型的参数规模达到270亿，是目前最大规模的中文纯文本预训练模型海量中文数据：超大规模模型采用了1T以上高质量中文文本训练数据，涵盖新闻、小说、诗歌、问答等广泛类型及领域零样本生成：模型在不需要任何下游任务标注数据的情况下，就可以实现多种生成任务PLUG的得分PLUG对比 GPT-3，主要的改进是，PLUG 设计了一个简洁的模型框架，集成了达摩院自研的语言理解及语言生成双模型，通过构建输入文本双向理解能力，显著提升了输出文本的相关性。 在语言理解任务上，PLUG 以 80.614 的分数刷新了 CLUE 分类榜单记录，刷新了 Chinese GLUE 分类榜单的新记录排名第一；在语言生成(NLG)任务上，PLUG 多项应用数据较业内最优水平提升了 8% 以上。
对比GPT-3 等其他大规模生成模型，PLUG 具备以下独特优势 PLUG 是目前中文社区最大规模的纯文本预训练语言模型；PLUG 集语言理解与生成能力于一身；PLUG 可为目标任务做针对性优化，通过利用下游训练数据微调模型使其在特定任务上生成质量达到最优，弥补之前其它大规模生成模型 few-shot inference 的生成效果不足，可应用于实际生成任务上；PLUG 采用了大规模的高质量中文训练数据（1TB 以上），同时，PLUG 采用 encoder-decoder 的双向建模方式，因此，在传统的 zero-shot 生成的表现上，无论是生成的多样性、领域的广泛程度，还是生成长文本的表现，较此前的模型均有明显的优势。PLUG的架构组成达摩院机器智能实验室自研的 NLU 语言模型 StructBERT(多模态语言模型 ) 与 NLG 语言模型 PALM(生成式语言模型)均在各自领域取得了 SOTA 的效果。 StructBERT 模型通过加强句子级别（Sentence Structural Objective）和词级别（Word Structural Objective）两个层次的训练目标对语言结构信息的建模，加强模型对语法的学习能力；PALM 模型则结合了 Autoencoding 和 Autoregression 两种预训练方式，引入 Masked LM 目标来提升 encoder 的表征能力，同时通过预测文本后半部分来提升 decoder 的生成能力。此次大规模语言模型PLUG的训练，达摩院团队汲取二者所长，提出了一个简单的框架，用来进行 NLU&NLG 联合训练。相比于 GPT 系列模型，该大规模生成模型以 StructBERT 作为 encoder，具有很强的输入文本双向理解能力，从而可以生成和输入更相关的内容。 PLUG的模型训练PLUG 采用了 1TB 以上高质量中文文本训练数据，涵盖新闻、小说、诗歌、问答等广泛类型及领域，其模型训练依托了阿里云 EFLOPS 高性能 AI 计算集群。接下来，PLUG 将扩大参数规模至 2000 亿级，并进一步提升文本生成质量。整个训练流程分为两个阶段： 第一阶段，达摩院团队训练了一个 24 layers／8192 hidden size 的标准 StructBERT 模型作为 encoder。这个过程共计训练了 300B tokens 的训练数据，规模与 GPT-3 的训练规模相当；第二阶段，达摩院团队将这个 encoder 用于生成模型的初始化，并外挂了一个 6 layers / 8192 hidden size 的 decoder，在训练生成模型的过程中，在 encoder 端和 decoder 端均随机确定长度 [32, 512] 进行数据采样，确保适应下游广泛的生成任务。这一阶段共计训练了 100B tokens 的训练数据，前 90% 的训练中，团队保留了 Masked LM 任务以保持模型的 NLU 能力，后 10% 的训练中，去掉 MLM 任务进行微调，以使得生成的 PPL 降到更低，能取得更好的生成效果。PLUG的使用方法1、demo测试测试地址：https://nlp.aliyun.com/portal#/plug
我们训练了业内规模最大的中文理解和生成模型PLUG，参数达270亿，在中文的多个下游理解和生成任务上，该模型效果达到state-of-the-art水平。本页面的所有生成展示，均是基于PLUG预训练模型的零样本生成，没有经过任何下游任务数据训练。 从技术上来看，阿里达摩院的 PLUG 与 GPT-3 类似，有望广泛应用于文本生成领域，成为「万能写作神器」。PLUG 生成模型有着很强的长文本生成和建模能力，相比于 GPT 系列模型的单向建模，PLUG 对输入的理解是双向建模的，因此能够在给定小段输入的条件下，生成和输入内容相关且信息量丰富的长文本。 |
【本文地址】
今日新闻 |
推荐新闻 |