Meta、NYU 和 Yann LeCun 认为 BERT 编码器会在扩展中失效
pbaylies · x · 2026-07-25
帖子转发的是一篇论文截图，核心结论是：传统 BERT 式双向编码器存在明显的缩放缺陷，预训练算力越大，冻结后用于下游任务的表征反而可能变差。
作者提出 CrossBERT：把“表征学习”和“token 重建”解耦成两部分架构。论文声称这带来三个收益：
- 可以使用更高的 masking ratio
- 通过对所有 token 收集梯度提升训练效率
- 在 MTBE（eng, v2）和冻结版 GLUE 基准上实现更稳定的单调缩放与更好表现
所属事件:Meta与NYU研究指BERT缩放缺陷并推出CrossBERT(2 条相关)→
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11