wordpress设置邮件提醒网站优化 推广

引言

解码器Transformer的规模不断壮大，轻松达到千亿级参数。同时由于该规模，基于提示或微调在各种NLP任务上达到SOTA结果。但目前为止解码器Transformer还无法应用在语义搜索或语句嵌入上。

为了简单，下文中以翻译的口吻记录，比如替换"作者"为"我们"。

作者提出了SGPT方法来解决这一问题，代码开源在 https://github.com/Muennighoff/sgpt 。

1. 总体介绍

现阶段主要依赖于类似BERT的仅编码器Transformer编码句嵌入以提供语义搜索。因为目前尚未清楚如何从解码器中提取语义嵌入。但这种做法的好处是明显的：

• 性能 解码器的参数量巨大，这有可能产生SOTA结果；
• 节省计算 只需要维护解码器架构，只训练一个大规模解码器并将其重用于搜索可以节省成本；

图1： 给定一个查询$q$，文档$d_{1-3}$，SGPT通过分数$s_{1-3}$对文档进行排序。(a)Cross-Encoder拼接查询和文档然后一起编码。分数是对数概率。(b)Bi-Encoder分别对查询和文档进行编码，生成的文档向量$v_{1-3}$可以缓存起来然后可以在新查询进来的时刻$t_c$被访问。分数是预先相似度。

在本篇工作中，我们提出SGPT将仅解码器应用于语义搜索并提取有语义的句子嵌入。区分四种设置：Cross-Encoder、Bi-Encoder、对称以及非对称。

2. 相关工作

Cross-Encoder同时对查询和文档进行编码。

Bi-Encoder分别对查询和文档进行编码。有研究者提出了一个基于GPT的Bi-Encoder cpt-text。

Cross-Encoder往往优于Bi-Encoder，但速度较慢。

非对称搜索意味着查询和文档不可互换。

对称搜索意味着查询和文档可以互换。

3. SGPT Cross-Encoder

3.1 非对称搜索

给定查询$q$和文档语料库$D$，对最有可能的文档$d^{\ast }$感兴趣，使用贝叶斯理论可以表示为：
$$d^{\ast }=\arg \underset{d\in D}{\max }P(d|q)=\arg \underset{d\in D}{\max }\frac{P(q|d)P(d)}{P(q)}=\arg \underset{d\in D}{\max }P(q|d)P(d)\text{\hspace{1em}(1)}$$
由于文档的长度是可变的且计算$P(q|d)$比$P(d|q)$容易，因此我们给定嵌入提示$P$的文档标记，计算查询标记$q_{i,\cdots ,n}$的联合概率为$p(q_i,\cdots ,q_n|p_1,\cdots ,p_{i-1})$。因为$P(d)$通常在语料库$D$中不会变化，而忽略$P(d)$。

在实践中使用对数概率——模型输出的softmax的对数。

3.2 对称搜索

表3： Quora上的SGPE-CE(Cross-Encoder)对称搜索结果。来自{query}的对数概率之和作为重排名分数。从{doc}左侧截断过长的标记。重排名前100的文档，分数为nDCG@10。

使用§3.1中相同的方法，但调整对称搜索的提示。如表3所示。

4. SGPT Bi-Encoder

4.1 对称搜索

由于自回归解码器Transformer的因果注意掩码，即每个位置的token只能感知到其之前的信息。因此，只有最后一个token关注了序列中的所有标记。SGPT提出使用位置加权池化方法为后面的标记赋予更高的权重：
$$v=\sum _{i=1}^S{w}_i{h}_i\text{where}{w}_i=\frac{i}{{\sum }_{i=1}^{S}i}\text{\hspace{1em}(2)}$$
$S$是序列长度；$h_i$是第$i$个隐藏状态；$v$是查询或文档嵌入。

我们将加权均值池化与最后一个标记池化进行比较，其中最后一个标记的隐藏状态是嵌入或常规的均值池化。

使用批内负样本进行监督对比学习，给定查询-文档对 { q ( i ) , d ( i ) } i = 1 M \{q^{(i)},d^{(i)}\}_{i=1}^M {q(i),d(i)}i=1M​，优化损失函数：
$$J_{\text{CL}}(\theta )=\frac{1}{M}\sum _{i=1}^M\log \frac{\exp (\tau \cdot \sigma (f_{\theta }(q^{(i)}),f_{\theta }(d^{(i)})))}{{\sum }_{j=1}^M\exp (\tau \cdot \sigma (f_{\theta }(q^{(i)}),f_{\theta }(d^{(j)})))}\text{\hspace{1em}(3)}$$
$f_{\theta }$是SGPT模型，输出固定大小的向量；$\sigma$是余弦相似度；$\tau$是一个温度参数，设为$20$，相当于除以$0.05$。在训练和推理期间，将序列长度限制为75个标记。

4.2 非对称搜索

遵守§4.1中同样的设置。对于非对称搜索，将模型序列长度限制为300个标记。增加括号使模型区分查询和文档，将查询$q$的标记增加两个中括号作为$[q_{0-n}]$，文档使花括号 { d 0 − n } \{d_{0-n}\} {d0−n​}。

5. 结论

这篇工作介绍了SGPT，提出对GPT模型进行修改，将它们用于语义搜索的Cross-或Bi-编码器。

SGPT-BE使用位置加权均值得到最先进的句子嵌入，可以用于语义搜索或其他嵌任务。

SGPT-CE提取预训练GPT模型的对数概率产生无监督的最先进的搜索结果，但只能用于语义搜索。

B任务和实验细节

B.1 提示

总结

⭐ 作者提出了利用仅编码器的类GPT架构来产生句子嵌入以支持语义检索和其他嵌入任务。在Bi-Encoder设置中，使用位置加权平均池化来得到具有语义信息的句子嵌入。在Cross-Encoder设置中，提取预训练GPT模型的对数概率产生无监督结果。