ICLR 2019 遺珠？加大號「變形金剛」，Transformer-XL

雷鋒網(wǎng) AI 科技評論按：近幾天，一篇 ICLR 2019 的拒稿引起了部分研究人員的注意。它不僅是一個能夠處理可變長度序列的模型，在多個任務(wù)中刷新了當(dāng)前的最好性能，而且它還是 Transformer 模型的第三代升級。它的名字叫作「Transformer-XL」（加大號的 Transformer）。

前兩代 Transformer

2017 年 6 月，谷歌大腦在論文《Attention Is All You Need》中提出了一個完全基于注意力機(jī)制的編解碼器模型 Transformer ，它完全拋棄了之前其它模型引入注意力機(jī)制后仍然保留的循環(huán)與卷積結(jié)構(gòu)，然后在任務(wù)表現(xiàn)、并行能力和易于訓(xùn)練性方面都有大幅的提高。Transformer 從此也成為了機(jī)器翻譯和其它許多文本理解任務(wù)中的重要基準(zhǔn)模型。

2018 年 7 月，谷歌大腦在新論文《Universal Transformer》中對最初的 Transformer 進(jìn)行了拓展，讓它具有通用計算能力（也就是「圖靈完備」）。他們使用了一種新型的、注重效率的時間并行循環(huán)結(jié)構(gòu)，這樣的設(shè)計讓它不僅比 RNN 中使用的串行循環(huán)速度更快，也讓 Universal Transformer 比標(biāo)準(zhǔn)的前饋 Transformer 更加強(qiáng)大，在更多任務(wù)中取得了有力的結(jié)果。（雷鋒網(wǎng) AI 科技評論詳細(xì)解析文章見 這里）

新的 Transformer

谷歌大腦的第三代 Transformer 也在 2018 年下半年完成。他們首先投稿了 ICLR 2019，近期論文評審結(jié)果陸續(xù)揭曉后他們把論文上傳到了 arXiv。

這篇論文《Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context》（Transformer-XL: 超越固定長度內(nèi)容之外的注意力語言模型， https://arxiv.org/abs/1901.02860， https://openreview.net/forum?id=HJePno0cYm）把注意力放在了拓展模型大小，以及給模型增加可變長度序列的處理能力上。論文由谷歌大腦、谷歌 AI 的研究人員和 CMU 教授、蘋果機(jī)器學(xué)習(xí)總監(jiān) Ruslan Salakhutdinov 和他的學(xué)生們共同完成。

論文摘要如下：

Transformer 網(wǎng)絡(luò)其實有潛力學(xué)習(xí)更長期的依賴關(guān)系，但是在目前的語言建模任務(wù)的環(huán)境設(shè)置之下，網(wǎng)絡(luò)的輸入被限制為固定長度的內(nèi)容。為了發(fā)掘這種潛力，作者們提出了一種新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，Transformer-XL，它可以讓 Transformer 網(wǎng)絡(luò)在長度不固定的內(nèi)容中學(xué)習(xí)依賴，同時還不會干擾時空一致性。具體來說，Transformer-XL 由一個小節(jié)級別的循環(huán)機(jī)制和一個新設(shè)計的位置編碼器模式組成。這種方法不僅讓模型可以捕捉到長期的依賴，同時也可以解決內(nèi)容分塊的問題。這樣的方法的效果是，Transformer-XL 學(xué)到的依賴要比 RNN 學(xué)到的長 80%，比最初的 Transformer 網(wǎng)絡(luò)長 450%，在長、短序列上都取得了更好了性能，而且在推理時最高也要比最初的 Transformer 網(wǎng)絡(luò)快超過 1800 倍。除此之外，作者們也刷新了多項任務(wù)中的最好成績，text8 數(shù)據(jù)集從 1.13 提升至 1.08，WikiText-103 上從 20.5 提升至18.3，One Billion Word 數(shù)據(jù)集上從 23.7 提升至 21.8，Penn Treebank 數(shù)據(jù)集上從 55.3 提升至 54.5（而且不需要精細(xì)調(diào)節(jié)）。模型的代碼、預(yù)訓(xùn)練模型、超參數(shù)都會同時提供 Tensorflow 和 PyTorch 版本。

值得說明的是，和 RNN 網(wǎng)絡(luò)相比，Transformer 架構(gòu)的網(wǎng)絡(luò)家族可以輕松地加大網(wǎng)絡(luò)規(guī)模，不僅更早的論文中 64 層的 Transfomer 擁有 2.35 億個參數(shù)，這次 24 層的 Transformer-XL 更是達(dá)到了 2.77 億的參數(shù)規(guī)模（當(dāng)然也取得了更好的表現(xiàn)）。

即便這篇論文投稿到 ICLR 2019 并被拒了（拒稿原因包括「創(chuàng)新點不多」、「無法證明性能提升來自于工程手段還是新的思路」、「應(yīng)當(dāng)包括來自機(jī)器翻譯任務(wù)的 ASR 表現(xiàn)」、「沒有進(jìn)行更豐富多樣的實驗」等），包括 David Ha 在內(nèi)的許多學(xué)者還是認(rèn)為這是一篇優(yōu)秀的論文。David Ha 的評價是：它非常有用，在論文的補(bǔ)充材料中提供的代碼可以在語言建模之外的許多任務(wù)中發(fā)揮作用。

感興趣的讀者可以詳細(xì)閱讀論文，并自己嘗試作者們提供的預(yù)訓(xùn)練模型。

論文地址：https://arxiv.org/abs/1901.02860

代碼開源：https://github.com/kimiyoung/transformer-xl，包含 PyTorch 和 TensorFlow 的模型實現(xiàn)，而且?guī)в蓄A(yù)訓(xùn)練的模型

雷鋒網(wǎng) AI 科技評論報道

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。