网络游戏赚钱排行榜宁波网站建设网站排名优化
Transformer预训练模型（如BERT、GPT）的特殊标记
目录
- Transformer预训练模型（如BERT、GPT）的特殊标记
- **一、基础通用标记**
- 1. **分类标记：`[CLS]`/`<s>`**
- 2. **分隔标记：`[SEP]`/`</s>`**
- 3. **掩码标记：`[MASK]`**
- 4. **填充标记：`[PAD]`**
- 5. **未知标记：`[UNK]`**
- **二、生成类模型的专属标记**
- 1. **开始/结束标记：`<|BOS|>`/`<|EOS|>`**
- 2. **对话标记：`[USER]`/`[BOT]`**
- **三、多模态与知识增强标记**
- 1. **图像标记：`[IMG]`**
- 2. **实体标记：`[ENT]`**
- **四、模型变体的特殊设计**
- 1. **XLNet：无显式标记，依赖掩码策略**
- 2. **ELECTRA：替换标记检测**
- **五、标记设计的核心逻辑**
- **总结：标记与架构的协同**
一、基础通用标记
1. 分类标记：[CLS]/<s>
- 用途：聚合全局语义，用于分类任务。
- 模型：
- BERT：
[CLS]（编码101）在输入序列首位，通过自注意力融合上下文信息，输出作为分类依据。 - RoBERTa：使用
<s>替代[CLS]，但功能相同，例如输入格式为<s> 文本内容 </s>。
- BERT：
- 技术关联：依赖自注意力机制的全局信息捕捉能力，例如BERT的
[CLS]向量通过多头注意力整合所有词的表示。
[CLS]通常代表 “分类”（Classificat