bert在训练阶段不是将15%的词汇MASK掉，从而采用自监督的方式训练模型，那我直接将这15%mask掉不就好了吗，为什么又要进行80% mask，10% 随机替换，10% 保持原词呢？起初我看到的时候也比较迷惑，下面是我的理解。
一、训练阶段与测试、微调阶段的不对等关系
在训练阶段mask掉词汇，输入是：“我”“喜欢”“吃”“鱼”“但是”“mask”“的”“刺”“很多”，对吧，这样通过自己监督训练，不断调整模型的权重，提高模型的性能。
但是在测试阶段，我们是怎么测试的，依旧是输入带mask的句子，通过预测mask的单词，来评判准确度吗，这不有点多此一举吗。。。测试阶段应该是直接输入完整的句子，分词后得到token，然后在得到token对应的词向量，然后在过一个多分类器（类别个数为词袋的大小），然后得到Y_hat_test，之后与Y_test求差值，评判模型。整个过程不涉及mask。
微调阶段也一样，我们也是输入一句话，然后得到对应的词向量，之后就拿着词向量去做别的事情了，输入中也没有mask。
这就会形成一种不对等关系，训练阶段和测试、微调阶段不对等，我们又没法完全消除这种不对等（①训练时不做mask：不行，②测试、微调也做上mask：也不行），我们就通过这种80% mask，10% 随机替换，10% 保持原词的方式减少不对等关系。
二、采用这种方式可以使bert更注重语义理解
此外呢，如果我们在训练时，不是用这种方式，而是全部mask掉的话，模型就会把虽有的注意力集中到“mask”这个词汇上了，模型就能知道不出现“mask”的地方我不用管，啥时候出现“mask”我在管，这对模型提取语义关系是不利的。
使用（80% mask，10% 随机替换，10% 保持原词）的方式之后呢，模型不只是需要在“mask”位置做工作，还要时刻预防着随机替换的情况呀，也就是检查这个句子对不对，这就大大提高了模型提取语义效果的能力。
在这里分享一位up主的讲解视频，描述的更加生动：04 BERT 之为什么要做语言掩码模型（MLM）？_哔哩哔哩_bilibili
