持续预训练与使用 MLM 微调语言模型

Posted 2023-03-29

【中文标题】持续预训练与使用 MLM 微调语言模型

【英文标题】：Continual pre-training vs. Fine-tuning a language model with MLM

【发布时间】：2021-09-28 08:09:08

【问题描述】：

我有一些自定义数据想用于进一步预训练 BERT 模型。到目前为止，我已经尝试了以下两种方法：

从预训练的 BERT 检查点开始，然后使用 Masked Language Modeling (MLM) + Next Sentence Prediction (NSP) 头继续预训练（例如，使用 BertForPreTraining 型号） 从具有 MLM 目标的预训练 BERT 模型开始（例如，使用 BertForMaskedLM 模型，假设我们不需要 NSP 进行预训练部分。）

但我仍然感到困惑的是，如果使用 BertForPreTraining 或 BertForMaskedLM 实际上对 BERT 进行了持续的预训练，或者这些只是用于微调的两个模型分别使用 MLM+NSP 和 MLM 来微调 BERT。使用 MLM+NSP 微调 BERT 或使用这两个头不断预训练它之间有什么区别吗？或者这是我们需要测试的东西？

我已经查看了类似的问题，例如 this one，但我仍然想确保从技术上讲，从初始检查点持续预训练模型和使用相同的目标/头部对其进行微调之间是否存在差异.

【参考方案1】：

答案只是所用术语的不同。当模型在大型通用语料库上进行训练时，称为“预训练”。当它适应特定的任务或数据集时，它被称为“微调”。

从技术上讲，在任何一种情况下（“预训练”或“微调”），都会更新模型权重。

例如，通常，您可以只采用预训练模型，然后针对特定任务（例如分类、问答等）对其进行微调。但是，如果您发现目标数据集来自特定领域，并且您有一些未标记的数据可能有助于模型适应特定领域，那么您可以进行 MLM 或 MLM+NSP 的“微调”（无监督学习）（一些研究人员确实将其称为“预训练”，尤其是当使用庞大的语料库来训练模型时），然后使用目标语料库和目标任务微调。

【讨论】：

我还得出结论，这更像是术语使用上的差异。

有没有人有一个脚本可以从检查点使用 MLM 和 NSP 进行持续预训练？