以下模型是从 official Google BERT repository 中转换而来的Tensorflow检查点的Pytorch预训练模型。

这是较小的预训练BERT变体之一，与 bert-tiny 、 bert-mini 和 bert-medium 一起使用。它们在研究《好读的学生学得更好：关于预训练紧凑模型的重要性》（ arxiv ）中被介绍，并在研究《NLI中的泛化：除了简单启发式方法之外还有哪些方法》（ arXiv ）中移植到了HF。这些模型应该在一个下游任务上进行训练。

如果您使用了该模型，请考虑引用两篇论文：

@misc{bhargava2021generalization,
      title={Generalization in NLI: Ways (Not) To Go Beyond Simple Heuristics}, 
      author={Prajjwal Bhargava and Aleksandr Drozd and Anna Rogers},
      year={2021},
      eprint={2110.01518},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@article{DBLP:journals/corr/abs-1908-08962,
  author    = {Iulia Turc and
               Ming{-}Wei Chang and
               Kenton Lee and
               Kristina Toutanova},
  title     = {Well-Read Students Learn Better: The Impact of Student Initialization
               on Knowledge Distillation},
  journal   = {CoRR},
  volume    = {abs/1908.08962},
  year      = {2019},
  url       = {http://arxiv.org/abs/1908.08962},
  eprinttype = {arXiv},
  eprint    = {1908.08962},
  timestamp = {Thu, 29 Aug 2019 16:32:34 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1908-08962.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

此模型的配置：

• prajjwal1/bert-small（L=4，H=512） Model Link

其他要查看的模型：

• prajjwal1/bert-tiny（L=2，H=128） Model Link
• prajjwal1/bert-mini（L=4，H=256） Model Link
• prajjwal1/bert-medium（L=8，H=512） Model Link

原始实现和更多信息可以在 this Github repository 中找到。

Twitter： @prajjwal_1