T5 (Text-to-Text Transfer Transformer)
T5 is a unified sequence-to-sequence deep learning framework introduced by Raffel et al. at Google Brain in 2020, published in the Journal of Machine Learning Research (Vol. 21, No. 140). It reframes every NLP task — classification, translation, summarisation, question answering, and more — as a text-to-text problem: both input and output are always character strings, enabling a single encoder-decoder Transformer to be pre-trained once and fine-tuned across tasks with a consistent interface. T5 introduced span-corruption pre-training and the C4 corpus, and its largest variant (11B parameters) achieved state-of-the-art results across a wide range of NLP benchmarks at the time of publication.
Запис джерела
Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.
- 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. · URL
- 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. · URL
- 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. · URL
Відібрані твердження
Твердження збережено в журналі доказів, кожне зі своєю оцінкою.
Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.
Пов'язані методи
Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.