Encoder 模型

Encoder 模型仅使用 Transformer 模型的编码器。在每个阶段，注意力层都可以访问初始句子中的所有单词。这些模型的特点通常是具有“双向”注意力，并且通常被称为自编码模型。

这些模型的预训练通常围绕某种方式破坏给定的句子（例如，通过屏蔽其中的随机单词）并让模型负责查找或重建初始句子。

Encoder 模型最适合需要理解完整句子的任务，例如句子分类、命名实体识别（更普遍的词分类）和抽取式问答。

此模型系列的代表包括

• ALBERT
• BERT
• DistilBERT
• ELECTRA
• RoBERTa

< > 在 GitHub 上更新