Machine learning

T5 (Text-to-Text Transfer Transformer)

T5 és un marc unificat d'aprenentatge profund seqüència a seqüència introduït per Raffel et al. a Google Brain el 2020, publicat al Journal of Machine Learning Research (Vol. 21, No. 140). Reformula cada tasca de processament del llenguatge natural (PLN) —classificació, traducció, resum, resposta a preguntes i més— com un problema de text a text: tant l'entrada com la sortida són sempre cadenes de caràcters, la qual cosa permet que un únic Transformer codificador-descodificador sigui pre-entrenat una vegada i ajustat per a diverses tasques amb una interfície consistent. T5 va introduir el pre-entrenament per corrupció d'intervals (span-corruption) i el corpus C4, i la seva variant més gran (11B paràmetres) va aconseguir resultats d'última generació en una àmplia gamma de referències de PLN en el moment de la seva publicació.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

T5 (Text-to-Text Transfer Transformer)
Mecanisme d'atencióAprenentatge per transfe…

Fonts

  1. Raffel, C., Shazeer, N., Roberts, A., Lee, K., Narang, S., Matena, M., Zhou, Y., Li, W., & Liu, P. J. (2020). Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer. Journal of Machine Learning Research, 21(140), 1–67. link
  2. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is All You Need. Advances in Neural Information Processing Systems, 30. link
  3. Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. link

Com citar aquesta pàgina

ScholarGate. (2026, June 3). T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer. ScholarGate. https://scholargate.app/ca/deep-learning/t5

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateT5 (Text-to-Text Transfer Transformer) (T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/t5 · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026