卷友们好，我是rumor。

又出新SOTA了。

每个新SOTA，都意味着下一位要卷得更辛苦、调得更猛烈一些。

而这个SOTA还出在我一直关注的文本表示赛道。

这次谷歌用了T5，把STS的平均分从82.52提到了83.34。

题目：Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models
地址：https://arxiv.org/abs/2108.08877

模型结构

乍一看题目还是蛮期待的，用T5做文本表示，会不会玩出什么花来？不过读了之后有些略微调低期望，这篇文章提出了三种从T5拿文本表示的方法：

1. 直接拿encoder输出的第一个token表示，类似CLS，但由于T5在训练时就没有CLS，实验下来效果不好就去掉了
2. 直接拿encoder输出的mean pooling，实验下来发现这个最好，不精调的时候也比BERT的好很多，作者分析是T5更多的训练数据+预训练时加了下游任务
3. 拿decoder的第一个输出，直接用不太好，但精调后还可以，作者分析是这个相当于加了attention pooling

有监督Loss

精调时采用了双塔结构，比以往不同的是多加了一层投影和L2-Norm。

在精调时参考了对比学习的NT-Xent loss，但输入的都是有监督数据（不用对比学习的数据增强了，直接输入有标注的正负样本）。

同时提出了tow-stage的精调：先用网上挖掘的20亿弱监督QA对精调，再用NLI精调（entailment=1，contradict=0）。

实验结果

除了在STS上对比之外，还在SentEval上进行了实验（给表示加一个分类器，测试embedding迁移到下游任务的效果）：

最终加了其他数据的Sentence-T5以不到1个点的微弱优势登上SOTA。

同时作者验证了尺寸越大效果越好：

总结

看得出来我这篇文章写得不是很快乐，主要是感觉新意比较有限，懒穷的我可能也不会去挖20亿的数据，也没有卡去跑更大的模型。

不过！还是有几点启发可以分享一下：

1. 作者加了Proj&Norm层但是没有做消融实验，这个对效果究竟有多少影响呢？
2. 作者在对比loss上的temperature=100，之前无监督对比学习的T都很小，这是为什么呢？
3. 最近一直在想prompt learning怎么用来做文本表示，而T5天生就契合prompt，既然作者证实了decoder精调后是可以用的，那是不是。。。