文档摘要

3.2 语言预训练模型：BERT、GPT 与 RoBERTa 本节摘要：语言片区的房源按预训练目标分三大户型——编码器系（BERT、RoBERTa）做掩码预测、擅长理解类任务；解码器系（GPT）做下一词预测、擅长生成；编码解码系（T5 类）做序列到序列、擅长翻译与摘要。本节讲清两种预训练目标如何塑造模型能力边界，RoBERTa 的优化故事说明预训练工艺本身也在演化，并用代码演示同一句文本在三类模型里的用法差异。 会员。《3.2 语言预训练模型：BERT、GPT与RoBERTa》收录于灏天文库文集《迁移学习与Fine-tuning实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/509-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0%E4%B8%8Efine-tuning%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流