1.当下追求的模型：

输入文本，训练使得模型可以读懂文本，然后根据不同的任务微调模型！

2.bert大家庭—芝麻街：

3.预训练：

把token用嵌入的向量表示。

针对英文系的前缀后缀等，有fasttext
中文的偏旁部首也能体现一定的意义：

为了表示相同字在不同词中的意思不同，现在的model都是输入整个句子之后，再给出每个token
的embedding。
即上下文。

这样的模型可以有哪些呢？
bert的encoder中的自注意力机制就是做这个的。

给出10个含有苹果的苹的句子，前5个是吃的苹果，后5个是苹果公司，求这10个字向量的自注意力矩阵。

模型越做越大：

但一般会搞出“穷人”使用的bert（小型）：

怎样实现的呢？
比如albert：架构基本相同，原来每一层都是不同的参数，现在设置成每一层都是相同的参数。然而，效果不但基本没有掉，而且还有一定的提升，太神奇了。

4.让模型变小的方式：

5.当前模型追求让输入的句子变得越来越长，甚至是一本书：

6.追求将注意力机制的计算量减下去，

当前是n2，

bert是一个预训练的模型。

7.fine-tune（微调）：因为要具体到各种不同的任务之中去。

比如，有任务：

多个句子之前应该添加一个特殊的token来告诉模型这是两个不同的句子。

8.输出①：one class：

有两种方法：
1.加一个cls，然后通过某种方法（注意力机制），把所有信息都融入到它所输出的向量中，然后再做一定的处理。
2，不加cls，把每个token的输出在输入到一个模型中。

9.输出②class for each token：

10.输出③：

红色来侦测开始位置，蓝色来侦测结束位置。

11.输出④：

另外一种方法就是把输出的再当做输入来预测下一个输出（我记得transformer就是这样子的）：

12.

13.fine-tune（微调）：预训练模型+具体任务的模型：

那么，一般有两种，一种是固定预训练模型，调整具体任务的模型。
另一种是把两个模型作为一个大的模型，一起进行调整。
后者的效果一般要好于前者。

14.第二种微调方法（把预训练和具体任务的模型当做一个大的模型）的缺点：

不同的具体任务会使得model有着不同的参数，这样model都应该分别存储，几亿个参数的会占据很大的空间。

15.Adapter：解决上述问题：

adapter中的參數只是model中的一小部分，在进行调节的时候，也只是调节这一部分的参数，因此可以降低需要存储的量。

16.最后的处理：

有一种处理是：输入的参数经过第一层的模型输出一个向量，这个向量再经过第二层的模型输出一个向量，作为最终的向量。
另一种方法是，第一次输出和第二次输出的权重和作为最终的向量。