GLM：通用语言模型

ChatGPT已经火了一段时间了，国内也出现了一些平替，其中比较容易使用的是ChatGLM-6B：https://github.com/THUDM/ChatGLM-6B ，主要是能够让我们基于单卡自己部署。ChatGLM的基座是GLM: General Language Model Pretraining with Autoregressive Blank Infilling论文中提出的模型，接下来我们来看看。

论文名称：GLM: General Language Model Pretraining with Autoregressive Blank Infilling

论文地址：https://aclanthology.org/2022.acl-long.26.pdf

代码地址：https://github.com/THUDM/GLM

预训练语言吗模型大体可以分为三种：自回归（GPT系列）、自编码（BERT系列）、编码-解码（T5、BART），它们每一个都在各自的领域上表现不俗，但是，目前没有一个预训练模型能够很好地完成所有任务。GLM是一个通用的预训练语言模型，它在NLU（自然语言理解）、conditional（条件文本生成） and unconditional generation（非条件文本生成）上都有着不错的表现。

GLM的核心是：Autoregressive Blank Infilling，如下图1所示：

即，将文本中的一段或多段空白进行填充识别。具体细节如图2所示：

说明，对于一个文本：x1,x2,x3,x4,x5x1,x2,x3,x4,x5，空白长度会以λ=3λ=3的泊松分布进行采样。重复采样直到空白token的总数目占文本token数的15%。将文本分为两部分，A部分由原始token和[MASK]组成，B部分由空白token组成，最终将A部分和B部分进行拼接，同时B部分的每一个空白会被打乱，这样在自回归预测每个token的时候可以看到上下文的信息（具体通过注意力掩码来实现）。需要注意的是位置编码是2D的，位置编码1用于表示token在文本的位置，位置编码2用于表示原始文本和每一个空白中token的顺序。

多任务训练

为了能够兼顾NLU和文本生成，对于文档和句子采用不同的空白填充方式。

• 文档：span的长度从原始长度的50%-100%的均匀分布中抽取。该目标旨在生成长文本。
• 句子：限制masked span必须是完整的句子。多个span(句子)被取样，以覆盖15%的的原始标记。这个目标是针对seq2seq任务，其预测往往是完整的句子或段落。

GLM使用单个Transformer，并对架构进行了修改:

(1)调整layer normalization和residual connection的顺序。

(2)使用单一线性层进行输出token预测。

(3)将ReLU激活函数替换为GeLUs。

2D位置编码

两个位置id通过可学习嵌入表投影到两个向量，这两个向量都被添加到输入标记嵌入中。该编码方法确保模型在重建时不知道被屏蔽的跨度的长度。这种设计适合下游任务，因为通常生成的文本的长度是事先未知的。

对于分类任务，在模板后面预测类别。

• It’s a beautiful day, I’m in a great mood. it is [MASK]. [S] good
• I failed in the exam today. I was very depressed. it is [MASK] [S] bad

对于文本生成任务，输入的文本视为A部分，在该部分后面添加[MASK]，使用自回归来生成文本。

这样的好处是预训练和微调是保持一致的。