Google在2020年提出了AlBert模型。模型是对Bert的改进，效果肯定要好，不然怎么是改进呢，貌似说的是废话。闲言碎语不要讲，直接上结论：
image.png
各项都很牛
到底做什么，让他变得如此强大？
- Factorized embedding parameterization
词的embeding长度E，没必要跟特征提取器transformer的隐层向量H长度相等。
考虑到词的编码是静态，就本身代表的词义，和上下文无关。
transformer隐层是上下文信息的编码。
二者确实也不用等价。
于是作者，就尝试不用E，让其小一点。 将输入V * E 的向量接一个 E* H的矩阵，直接转到 V* H,然后在和隐层搞后面的东西。
个人理解，word Embedding长度短了， 此举目的也是减少参数量。进而可以减少整个训练时间。 - Cross-layer parameter sharing
就是用一个transformer。 原始的Bert用12个Transformer，不同的transformer不同的参数。 我这里就用一个，同样的参数，每一轮都迭代这个参数。通过这改进，作者发现，每层输出距离和相似度都很稳定，不像Bert变化浮动大，不稳定。 - Inter-sentence coherence loss
其实就是改进Bert的NSP任务为SOP，为什么改进的呢， Bert原始NSP so easy了。 完全两个不同话题的两句话，放到一起判断是不是下一句，没意义，仅通过话题就能区分开。
而SOP则难了？ 来自同一个话题，而且调换顺序，判断是不是调换。实验表明这个任务有1个点的提升。
以上就是本人对ALBert分析：
- 通过共享参数 和 Factorized embedding 缩小规模， 提高训练速度。当然效果也有提升。
- 通过SOP，提升训练效果。
- 但是实际应用，预测时间不变，因为同样一直用了12层的Transformer，虽然是同一个。
