清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Adapt-and-Distill: Developing Small, Fast and Effective Pretrained Language Models for Domains

计算机科学 词汇 语言模型 域适应 人工智能 领域(数学分析) 机器学习 任务(项目管理) 编码(集合论) 适应(眼睛) 自然语言处理 分类器(UML) 程序设计语言 经济 数学分析 哲学 语言学 物理 数学 管理 集合(抽象数据类型) 光学
作者
Yunzhi Yao,Shaohan Huang,Wenhui Wang,Li Dong,Furu Wei
标识
DOI:10.18653/v1/2021.findings-acl.40
摘要

Large pretrained models have achieved great success in many natural language processing tasks.However, when they are applied in specific domains, these models suffer from domain shift and bring challenges in fine-tuning and online serving for latency and capacity constraints.In this paper, we present a general approach to developing small, fast and effective pretrained models for specific domains.This is achieved by adapting the offthe-shelf general pretrained models and performing task-agnostic knowledge distillation in target domains.Specifically, we propose domain-specific vocabulary expansion in the adaptation stage and employ corpus level occurrence probability to choose the size of incremental vocabulary automatically.Then we systematically explore different strategies to compress the large pretrained models for specific domains.We conduct our experiments in the biomedical and computer science domain.The experimental results demonstrate that our approach achieves better performance over the BERT BASE model in domain-specific tasks while 3.3× smaller and 5.1× faster than BERT BASE .The code and pretrained models are available at https://aka.ms/adalm.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
8秒前
拼搏幻柏完成签到,获得积分10
9秒前
YNILY完成签到 ,获得积分10
14秒前
16秒前
岳晓燕完成签到 ,获得积分10
19秒前
25秒前
29秒前
luoqin完成签到 ,获得积分10
32秒前
33秒前
怼怼完成签到 ,获得积分10
33秒前
36秒前
机智的妙芹完成签到,获得积分10
38秒前
44秒前
48秒前
53秒前
57秒前
zxdzaz完成签到 ,获得积分10
59秒前
成就小蜜蜂完成签到 ,获得积分10
59秒前
1分钟前
1分钟前
夕阳下仰望完成签到 ,获得积分10
1分钟前
1分钟前
典雅涵瑶发布了新的文献求助10
1分钟前
稳重的秋天完成签到,获得积分10
1分钟前
1分钟前
留胡子的翠容完成签到,获得积分10
1分钟前
1分钟前
典雅涵瑶完成签到,获得积分10
1分钟前
1分钟前
ww完成签到,获得积分10
1分钟前
1分钟前
nanjing01完成签到 ,获得积分10
1分钟前
打打的应助被seeyou14采纳,获得20
1分钟前
善良士晋完成签到,获得积分10
1分钟前
慕容杏子完成签到 ,获得积分10
1分钟前
哈哈完成签到 ,获得积分10
1分钟前
cadcae完成签到,获得积分10
1分钟前
hyh完成签到,获得积分10
1分钟前
眼睛大的翠绿完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185496
求助须知:如何正确求助?哪些是违规求助? 9574168
关于积分的说明 21834498
捐赠科研通 7783092
什么是DOI,文献DOI怎么找? 3434577
关于科研通互助平台的介绍 2558949
邀请新用户注册赠送积分活动 2481346