本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

新晉斯隆獎得主如何慶祝？

公開最新研究成果算不算？

就在斯隆獎宣布當天，陳丹琦團隊展示了最新的研究成果。

團隊發現，經典NLP模型BERT提出的預訓練“15%掩蔽率”法則，是可以被打破的！

“15%掩蔽率”，指在一項預訓練任務中，隨機遮住15%的單詞，并通過訓練讓AI學會預測遮住的單詞。

陳丹琦團隊認為，如果將掩蔽率提升到40%，性能甚至比15%的時候還要更好：

不僅如此，這篇文章還提出了一種新的方法，來更好地提升40%掩蔽率下NLP模型訓練的效果。

一位抱抱臉（Hugging Face）工程師對此表示：

關于BERT有個很有意思的事情，它雖然是一項開創性的研究，然而它的那些訓練方式都是錯誤或不必要的。

這篇論文的共同一作高天宇，也是清華特獎獲得者，本科期間曾發表過四篇頂會論文。

那么，論文究竟是怎么得出這一結論的呢？

“大模型更適合高掩蔽率”

陳丹琦團隊先是從掩蔽率、迭代次數和模型大小三個方向，驗證了這一結論。

他們先是用了一系列不同的掩蔽率來訓練NLP模型，參數如下：

結果發現，除了小部分數據集以外，模型在包括MNLI、QNLI、QQP、STS-B、SQuAD等數據集上的訓練效果，40%掩蔽率都比15%都要更好。

為了進一步迭代次數 （training step）受掩蔽率的影響效果，作者們同樣記錄了不同迭代率下模型的效果。

結果顯示，隨著迭代次數的增加，40%掩蔽率基本都表現出了比15%更好的性能：

不僅如此，作者們還發現，更大的模型，更適合用40%掩蔽率去訓練。

結果顯示，大模型在40%掩蔽率的情況下，性能比中等NLP模型要更好：

這么看來，只將掩蔽率設置為15%，確實沒有40%的訓練效果更好，而且，更大的NLP模型還更適合用40%的掩蔽率來訓練。

團隊猜測，任務難一些能促使模型學到更多特征，而大模型正是有這種余裕。

為了探究其中的原理，作者們又提出了一個新的評估方法。

將掩蔽率拆分為2個指標

具體來說，就是將掩蔽率拆分為破壞率 （corruption rate）和預測率 （prediction rate）2個指標。

其中，破壞率是句子被破壞的比例，預測率是模型預測的比例。

例如，“我喜歡打籃球”語料可能被破壞成“我[MASK][MASK][MASK]”提供給模型，但模型卻只需要預測第一個[MASK]是不是“喜歡”。

這樣一來，就可以用破壞率來控制預訓練任務的難度，用預測率來控制模型的優化效果。

論文進一步針對破壞率（mcorr）和預測率（mpred）進行了研究，發現了一個新規律：

預測率高，模型效果更好；但破壞率更高，模型效果更差：

這樣就能用更精準的方式來評估各種預訓練任務了。

最后，作者們在這種指標下，測試了多種掩碼，觀察在更高掩蔽率的情況下，哪些掩碼的效果更好。

結果顯示，隨著掩蔽率的提升，隨機均勻掩碼的效果（Uniform）的表現還會比Span Masking、相關區間原則性掩碼（PMI-Masking）更好。

然而，在之前的很多NLP模型中，基本都直接采用了PMI-Masking或是Span Masking等更復雜的掩碼來訓練。

這也說明，NLP大模型的預訓練效果不能一概而論，光是訓練方法就值得進一步研究。

作者介紹

論文的幾名作者均來自陳丹琦團隊。

一作高天宇，目前是普林斯頓大學的二年級博士生，本科畢業于清華大學，曾經獲得清華本科特等獎學金。

本科時，高天宇就在劉知遠教授團隊中搞科研了，期間一共發表了4篇頂會論文（兩篇AAAI，兩篇EMNLP）。

共同一作Alexander Wettig，普林斯頓大學一年級博士生，本碩畢業于劍橋大學，對NLP的泛化能力方向感興趣。

鐘澤軒（Zexuan Zhong），普林斯頓大學博士生，碩士畢業于伊利諾伊大學香檳分校，導師是謝濤；本科畢業于北京大學計算機系，曾在微軟亞研院實習，導師是聶再清。

通過這一發現，不少NLP大模型說不定又能通過改進訓練方法，取得更好的效果了。

論文地址：

https://gaotianyu.xyz/content/files/2022/02/should_you_mask_15-1.pdf