论文题目: Language Models are Unsupervised Multitask Learners
论文地址:  https://life-extension.github.io/2020/05/27/GPT技术初探/language-models.pdf
论文发表于: OpenAI 2019
论文所属单位: OpenAI

论文大体内容：
本文主要提出了GPT-2（Generative Pre-Training）模型，通过大模型pre-train进行Unsupervise Learning，并使用Zero-shot Learning的方式在NLU系列任务中取得收益。

Motivation
创建通用的大模型，是GPT系列文章的最大目标。而对于未涉猎过的领域（Zero-shot learning），通用大模型的效果会是怎么样的呢？

Contribution
①训练更通用的pre-train模型；
②在zero-shot learning中应用pre-train模型取得优异成绩；

1. 本文作者相信，Language model经过训练后，有能力推断和预测对应的任务，也就是进行Unsupervisor Multi-task Learning。而本文在后面的实验中就用Zero-shot learning来进行验证。

2. 为了能训练出更通用的模型，需要收集到大的通用数据集，本文基于Common Crawl[2]的工具去爬取海量的互联网数据。但是这些数据存在质量问题。所以本文做了一些爬取策略来提升数据质量，包括只爬取Reddit的外链以及启发式的清理。总共爬取到800万个文档共40GB。另外为了更好的进行Zero-shot Learning（避免Trainset和Testset数据重合），所以本文的训练数据集也去掉了普遍都使用的Wiki文档。

3. Byte-level Language Model效果逊色于Word-level Language Model，但是能够拥有更大范围的词汇量。而Byte Pair Encoding (BPE)介于两者之间，能够同时拥有大的词汇量和优秀的表现。本文也采用这种方法。

4. 模型架构跟GPT-1[1]类似，只不过在GPT-2里面使用了更多的层，另外也采用了残差网络的方式去避免梯度弥散问题。

实验
5. Dataset
①LAMBADA
②CBT
③WikiText2
④PTB
⑤enwik8
⑥text8
⑦WikiText103
⑧1BW

6. Language Modeling
在8个数据集中的7个Zero-shot learning的效果优于SOTA。在1BW中，效果差的原因可能是其中进行了句子级别的预处理，导致破坏了里面的句子结构。

7. Children’s Book Test
任务是用10个选项进行完形填空。

8. LAMBADA
任务是预测句子的最后一个word。

9. Winograd Schema Challenge
任务是解决文本歧义。

10. Reading Comprehension
任务是阅读理解。

11. Summarization
Extractive的文本摘要，仅比随机抽取3个句子的效果好一点。

12. Translation
Translation效果差，是因为训练数据集里面基本只有英文内容，别的语言文档太少导致。

13. Question Answering
QA效果差，但可以发现随着模型参数量增大，效果会提升明显，所以本文作者认为模型容量是对效果影响的关键因素，这也更坚定了GPT系列会不断把模型做大做深。

14. 本文Discuss里面表达了对当前方向的认可，但是针对目前在某些任务上仍然无法取得较好的效果表达了未知，后续仍需要比较多的探索。这个方向很美好或者很理想，但是仍需很大的努力。

参考资料
[1] GPT-1 https://blog.csdn.net/John159151/article/details/129062724
[2] Common Crawl https://commoncrawl.org/the-data/
[3] GPT-2 Github https://github.com/openai/gpt-2

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！