Machine learning

T5 (Text-to-Text Transfer Transformer)

T5 est un cadre d'apprentissage profond unifié de séquence à séquence introduit par Raffel et al. chez Google Brain en 2020, publié dans le Journal of Machine Learning Research (Vol. 21, No. 140). Il reformule chaque tâche de traitement automatique du langage naturel (TALN) — classification, traduction, résumé, réponse aux questions, et plus encore — comme un problème de texte à texte : les entrées et les sorties sont toujours des chaînes de caractères, permettant à un unique Transformer encodeur-décodeur d'être pré-entraîné une fois et affiné sur différentes tâches avec une interface cohérente. T5 a introduit le pré-entraînement par corruption d'intervalles (span-corruption) et le corpus C4, et sa variante la plus grande (11 milliards de paramètres) a atteint des résultats de pointe sur un large éventail de benchmarks TALN au moment de sa publication.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

T5 (Text-to-Text Transfer Transformer)
Mécanisme d'attentionApprentissage par transf…

Sources

  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

Comment citer cette page

ScholarGate. (2026, June 3). T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer. ScholarGate. https://scholargate.app/fr/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). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/t5 · Jeu de données : https://doi.org/10.5281/zenodo.20539026