这是继BERT发布以来又一个令广大NLPer兴奋的消息， CMU 与谷歌大脑提出的 XLNet 在 20 个任务上超过了 BERT 的表现，并在 18 个任务上取得了当前最佳效果。
而真正令人激动的是， XLNet 已经开放了训练代码和大型预训练模型，
论文地址：https://arxiv.org/pdf/1906.08237.pdf
开源代码与预训练模型：https://github.com/zihangdai/xlnet
BERT 带来的震撼还未平息，今日又一全新模型出现。
XLNet是一种基于 a novel generalized permutation language modeling objective的无监督表示学习方法。此外，采用Transformer-XL作为主干模型，在长文本表示的语言任务中表现出了卓越的性能。并且在各种语言任务上实现了当前最好的（SOTA）效果，如QA，natural language inference, sentiment analysis, and document ranking等。
截止到2019年6月19日，XLNet在20项任务上的表现优于BERT，并在18项任务中取得了最好的成果。以下是XLNet-Large和BERT-Large之间的一些比较：
作者阵容也是相当牛*：
  • 杨植麟（曾经的清华学霸，现在 CMU 读博）
  • Zihang Dai（CMU 博士）
  • CMU 教授 Yiming Yang
  • CMU 语言技术中心的总负责人 Jaime Carbonell
  • CMU 教授 & 苹果 AI 负责人 Russ Salakhutdinov
  • 谷歌大脑的创始成员 & AutoML 的缔造者之一 Quoc Le
相比于 BERT，XLNet 有哪些提升呢？
BERT存在的一些问题：
  • 基于DAE预训练模型虽然可以很好地建模双向语境信息，但由于需要 mask 一部分输入，从而忽略了被 mask 位置之间的依赖关系
  • 出现预训练和微调效果的差异（pretrain-finetune discrepancy）。
泛化自回归预训练模型 XLNet的优化点：
  • 通过最大化所有可能的因式分解顺序的对数似然，学习双向语境信息；
  • 用自回归本身的特点克服 BERT 的缺点。
  • 融合了当前最优自回归模型 Transformer-XL 的思路。
深度解读
首先，XLNet 不使用传统 AR 模型中固定的前向或后向因式分解顺序，而是最大化所有可能因式分解顺序的期望对数似然。由于对因式分解顺序的排列操作，每个位置的语境都包含来自左侧和右侧的 token。因此，每个位置都能学习来自所有位置的语境信息，即捕捉双向语境。
其次，作为一个泛化 AR 语言模型，XLNet 不依赖残缺数据。因此，XLNet 不会有 BERT 的预训练-微调差异。同时，自回归目标提供一种自然的方式，来利用乘法法则对预测 token 的联合概率执行因式分解（factorize），这消除了 BERT 中的独立性假设。
除了提出一个新的预训练目标，XLNet 还改进了预训练的架构设计。
简单地使用 Transformer(-XL) 架构进行基于排列的（permutation-based）语言建模是不成功的，因为因式分解顺序是任意的、训练目标是模糊的。因此，研究人员提出，对 Transformer(-XL) 网络的参数化方式进行修改，移除模糊性。
目标：排列语言建模（Permutation Language Modeling）
为了提供一个完整的概览图，研究者展示了一个在给定相同输入序列 x（但因式分解顺序不同）时预测 token x_3 的示例，如下图所示：
图 1：排列语言建模目标示例：给定相同的输入序列 x，但因式分解顺序不同，此时预测 x_3。
模型架构：对目标感知表征的双流自注意力
下图 2 的 a、b 分别展示了这两种表征的学习。其中内容表征与 Transforme 的隐藏状态类似，它将同时编码输入本身的内容及上下文信息。Query 表征仅能获取上下文信息及当前的位置，它并不能获取当前位置的内容。具体来说，他们借鉴了 Transformer-XL 中的两项重要技术——相对位置编码范式和分割循环机制。现在，结合双流注意力和 Transformer-XL 的改进，上面图 2(c) 展示了最终的排列语言建模架构。
图 2:（a）内容流注意力，与标准自注意力相同；（b）Query 流注意力，没有获取内容 x_z_t 的信息；（c）利用双流注意力的排列语言建模概览图。
Fine-tuning 与使用
STS-B: sentence pair relevance regression (with GPUs)
1# Download the GLUE data by running this script and unpack it to some directory $GLUE_DIR.
2
3# Perform multi-GPU (4 V100 GPUs) finetuning with XLNet-Large by running
4
5
CUDA_VISIBLE_DEVICES=
0
,
1
,
2
,
3
 python run_classifier.py 

6
  --do_train=
True
7
  --do_eval=
False
8
  --task_name=sts-b 

9
  --data_dir=${GLUE_DIR}/STS-B 

10
  --output_dir=proc_data/sts-b 

11
  --model_dir=exp/sts-b 

12
  --uncased=
False
13
  --spiece_model_file=${LARGE_DIR}/spiece.model 

14
  --model_config_path=${LARGE_DIR}/model_config.json 

15
  --init_checkpoint=${LARGE_DIR}/xlnet_model.ckpt 

16
  --max_seq_length=
128
17
  --train_batch_size=
8
18
  --num_hosts=
1
19
  --num_core_per_host=
4
20
  --learning_rate=
5e-5
21
  --train_steps=
1200
22
  --warmup_steps=
120
23
  --save_steps=
600
24
  --is_regression=
True
25
26# Evaluate the finetuning results with a single GPU by
27
28
CUDA_VISIBLE_DEVICES=
0
 python run_classifier.py 

29
  --do_train=
False
30
  --do_eval=
True
31
  --task_name=sts-b 

32
  --data_dir=${GLUE_DIR}/STS-B 

33
  --output_dir=proc_data/sts-b 

34
  --model_dir=exp/sts-b 

35
  --uncased=
False
36
  --spiece_model_file=${LARGE_DIR}/spiece.model 

37
  --model_config_path=${LARGE_DIR}/model_config.json 

38
  --max_seq_length=
128
39
  --eval_batch_size=
8
40
  --num_hosts=
1
41
  --num_core_per_host=
1
42
  --eval_all_ckpt=
True
43
  --is_regression=
True
44
45# Expected performance: "eval_pearsonr 0.916+ "
Custom Usage of XLNet
1
2
For finetuning, it is likely that you will be able to modify 

3
existing files such as run_classifier.py, run_squad.py and 

4
run_race.py for your task at hand. However, we also provide an 

5
abstraction of XLNet to enable more flexible usage. Below is an 

6
example:

7
8import
 xlnet

9
10# some code omitted here...
11# initialize FLAGS
12# initialize instances of tf.Tensor, including input_ids, seg_ids, and input_mask
13
14# XLNetConfig contains hyperparameters that are specific to a model checkpoint.
15
xlnet_config = xlnet.XLNetConfig(json_path=FLAGS.model_config_path)

16
17# RunConfig contains hyperparameters that could be different between pretraining and finetuning.
18
run_config = xlnet.create_run_config(is_training=
True
, is_finetune=
True
, FLAGS=FLAGS)

19
20# Construct an XLNet model
21
xlnet_model = xlnet.XLNetModel(

22
    xlnet_config=xlnet_config,

23
    run_config=run_config,

24
    input_ids=input_ids,

25
    seg_ids=seg_ids,

26
    input_mask=input_mask)

27
28# Get a summary of the sequence using the last hidden state
29
summary = xlnet_model.get_pooled_out(summary_type=
"last"
)

30
31# Get a sequence output
32
seq_out = xlnet_model.get_sequence_output()

33
34# build your applications based on `summary` or `seq_out`
Pretraining with XLNet
1
2
Refer to train.py for pretraining on TPUs and train_gpu.py for 

3
pretraining on GPUs. First we need to preprocess the text data 

4
into tfrecords.

5
6
python data_utils.py 

7
    --bsz_per_host=
32
8
    --num_core_per_host=
16
9
    --seq_len=
512
10
    --reuse_len=
256
11
    --input_glob=*.txt 

12
    --save_dir=${SAVE_DIR} 

13
    --num_passes=
20
14
    --bi_data=
True
15
    --sp_path=spiece.model 

16
    --mask_alpht=
6
17
    --mask_beta=
1
18
    --num_predict=
85
19
20
where input_glob defines all input text files, save_dir is the 

21
output directory for tfrecords, and sp_path is a Sentence Piece 

22
model. Here is our script to train the Sentence Piece model

23
24
25
spm_train 

26
    --input=$INPUT 

27
    --model_prefix=sp10m.cased.v3 

28
    --vocab_size=
32000
29
    --character_coverage=
0.99995
30
    --model_type=unigram 

31
    --control_symbols=<cls>,<sep>,<pad>,<mask>,<eod> 

32
    --user_defined_symbols=<eop>,.,(,),
",-,–,£,€ 

33
    --shuffle_input_sentence 

34
    --input_sentence_size=10000000

35
详细使用介绍请访问GitHub
推荐阅读
全国392所“野鸡大学”曝光：门槛很低，只看名字难分辨
中国神童13岁免试上大学，极端荣耀后却选择出家为僧！
12 个 Python 程序员面试必备问题与答案
Python 是不是有点膨胀啊，甚至想和 Java 刚一把
喜欢就点击“在看”吧！
继续阅读
阅读原文