Transformer Auto-supervisionado
Um Transformer auto-supervisionado é uma rede Transformer pré-treinada utilizando sinais de supervisão construídos automaticamente — como predição de token mascarado ou predição de próxima sentença — em vez de rótulos anotados por humanos. As representações resultantes são então ajustadas finamente (fine-tuned) ou sondadas (probed) em tarefas subsequentes. BERT, GPT e ViT (Vision Transformer em modo de modelagem de imagem mascarada) são as instâncias mais conhecidas deste paradigma.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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. DOI: 10.18653/v1/N19-1423 ↗
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Transformer (Pretraining with Self-generated Supervision). ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-transformer
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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Transformer Ajustado FinamenteAprendizado profundo↔ compare
- Classificação baseada em RoBERTaAprendizado profundo↔ compare
- Rede neural convolucional autossupervisionadaAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →