本系列文章是笔者以邱锡鹏老师《Pre-trained Models for Natural Language Processing: A Survey》为主要参考材料所做的关于“预训练语言模型综述”的记录，所涉及之素材也包括其他相关综述与未被纳入此综述的工作，分享出来与大家交流讨论。此篇为系列第二篇，记录预训练任务及训练策略。
第一、三篇跳转可阅：
预训练语言模型综述（一）—— 预训练语言模型及其历史
预训练语言模型综述（三）—— 预训练语言模型的实际使用
预训练任务按学习范式可归类成监督学习、无监督学习和自监督学习三类任务。自监督学习略微特殊，它也有输入和输出标签，所以训练方法其实和监督学习一致，但是它的标签是自动生成而非人工标注的，最典型的就是Masked Language Model(MLM)任务了（监督学习这里特指标签由人工标注的情况）。受限于训练语料的丰富程度，目前基于监督学习的预训练任务仅有机器翻译（Machine Translation），其他主流预训练任务都是无监督或自监督的。随着时间的推移，也有可能发展出其他更为细化的、基于监督学习的预训练任务。总的来说，目前预训练任务的具体分类可参考下表：
Language Modeling/Probabilistic Language Modeling(LM) 是经典概率密度估计问题，属无监督学习问题，可以通过MLE来估计。
通常特指自回归语言模型或单向语言模型，因此存在只编码了从左到右的上下文信息的缺点；改进版本是BiLM，即同时编码从左到右的上下文信息和从右到左的上下文信息。
掩码语言建模（Masked Language Modeling）归类为自监督学习问题，并通常作为分类问题来处理。
BERT的MLM是遮挡一个词，然后用含遮挡词标记的整个输入序列来预测被遮挡的词；同时由于fine-tuning时并没有mask token，BERT采取的办法是在数据预处理时选择句子15%的词作为目标掩码词（这些词将不再改变，称之为静态masking），并让数据生成器80%的时间内用[Mask]替代目标遮挡词、10%时间用随机词替代目标遮挡词、10%时间用目标遮挡词替代目标遮挡词。
从Mask Token(s)的角度来看，不同于BERT只mask一个词，Seq2Seq MLM用到Seq2Seq模型，被遮挡了多个连续的词的输入序列由Encoder进行编码，再由Decoder解码被遮挡词序列；SpanBERT也是遮挡多个连续词，同时还引入了用边界预测Mask Tokens的损失。
从执行Masking的角度，不同于BERT的静态masking，RoBERTa采用动态masking，它没有在预处理的时候执行 masking，而是在把序列输入模型时动态生成 mask，并且遮挡词不是固定的，有利于模型学习各种掩码策略下语料表现出来的特征。
还有一类更为综合的MLM，是将知识融入到掩码策略中，典型代表就是百度的ERNIE了。百度的ERNIE在掩码时额外使用了短语级别和实体级别的掩码，藉此向语言模型中引入了知识。
置换语言建模（Permuted Language Modeling）的开山之作XLNet指出，掩码语言建模中使用的一些特殊符号，尤其是[MASK]，在下游任务中时不存在的，因此在预训练过程和微调过程中就存在一定的gap。所以，XLNet的作者就提出使用置换来替代掩码，即使用置换词而不使用掩码[MASK]。
上述MLM、PLM都属于基于Denoising Autoencoder来进行预训练的方式，即对一个输入进行一定干扰，然后让模型来恢复未受干扰的原始输入。此外还有文本填充（多个Token被同时替换，任务的目标是预测被替换Token的数量）、句子置换（置换文本中句子的顺序）等可用于干扰输入的方法。
不同于上述几种预训练任务（都是自编码形式），对比学习提供了一种全新的无监督预训练方式，将来也很有希望成为NLP中另一种大行其道的训练方式。对比学习的核心是通过对比进行训练。例如，对比合法的句子与不合法的句子之间的相似度，从而调整训练。邱老师的综述中列举了替换词检测（RTD）、下一句预测（NSP）等使用了对比学习的工作。
预训练语言模型离不开对大规模语料的使用。我们可以将语料大致可以分为三类：通用语料、特定领域语料、下游任务直接相关的语料。一般预训练中所用是大规模通用语料与特定领域语料。ULMFiT提出了三阶段训练，其中预训练包含两个阶段，第一阶段使用大规模通用语料进行语言模型预训练，使其学习语言的通用规律；第二阶段使用大规模特定领域语料，得到适合于特定领域的预训练模型，最后再在具体任务上进行微调。此外，从语言种类的角度，多语言预训练语言模型的训练中也存在语料使用的问题。multilingual BERT使用共享词汇表来解决多语言语料的使用问题， XLM则是在此基础上进一步引入了翻译语言建模（translation language modeling），以提升多语言预训练语言模型的效果。
我们在上一部分介绍了各种预训练任务，这些预训练任务都有这各自的特点和优势，在选择应当遵循一些基本的原则。从效率角度考虑，与其他任务相比，对比学习具有更小的计算复杂度，在资源受限时可做优先考虑。从效果角度考虑，需要考虑预训练任务对下游任务的影响，毕竟这才是最终目的。例如：NSP可以使预训练语言模型理解两句话之间的关系，因此针对问答、自然语言推理等下游任务，可以考虑NSP作为预训练任务训练预训练语言模型。
