文章名《How to Fine-Tune BERT for Text Classification》，2019，复旦大学
如何在文本分类中微调BERT模型？
摘要：预训练语言模型已经被证明在学习通用语言表示方面有显著效果，作为一种最先进的预训练语言模型，BERT在多项理解任务中取得了惊人的成果。在本文中，作者针对文本分类任务的BERT微调方法，给出了微调模式的一般解决方案。最后，提出的解决方案在8个广泛研究的文本分类数据集上获取了最新的结果。
作者认为尽管BERT在多项自热语言理解任务中获得了令人惊人的结果，但其潜在的能力依然没有被探索出来，几乎很少有研究工作在增强BERT性能方面，所以研究如何最大化限度的利用BERT在文本分类中的任务，探索了几种微调的方法，并进行了详细的分析。
进行了如下散步操作：1）进一步在开放域预训练BERT；2）采用多任务方式可选择性地微调BERT；3）在目标任务上微调BERT。同时研究了fine-tuning技术对Bert在长文本任务、隐藏层选择、隐藏层学习率、知识遗忘、少样本学习问题上的影响。
1. 微调策略：不同网络层包含不同的特征信息，哪一层更有助于目标任务？这是一个考虑的方向
2. 进一步预训练：在目标域进一步得到预训练模型
3. 多任务微调：多任务可以挖掘共享信息，同时对所有任务进行微调是否，使用多任务策略对结果有帮助。
使用框架：
该文的重点放在了是否进行Further Pre-training和Multi-Task Fine-Truning，在实际文本分类过程中，模型微调的策略可以从以下几个方法开展：
1. 处理文本的长度。1）Truncation methods，head+tail方法被证明是有效的，具有最佳的性能；2）Hierarchical methods，先将长文本切割成 K = L / 510 个片段，之后分别取不同片段的向量表示。
2. 不同网络层的特征学则。IMDb 数据集中进行，最后显示只使用最后一层的输出取得了最佳性能。
3. 灾难性遗忘。使用BERT时尽量使用小的学习率，模型能够有效、快速收敛，2e-5
4. 不同层次的学习率衰减。模型底层用于捕捉详细、通用的特征信息，需要更低的学习率来寻求最优解；顶层更直接与任务相关，需要更大的学习率加速学习，这一点时借鉴ULMFit中的三角学习率。
5. 进一步预训练。BERT是在通用域训练得到的，但实际的任务局限在一个单一的领域，为了更好地适应下游任务，作者在BERT又在训练集、领域文本和交叉域文本进行一定步数的Pretraining，实验结果也显示出一定优势。在训练集做Pretraining时，作者指出，训练的步数太少达不到效果，太多会造成灾难性遗忘，选择100K作为一个训练步数是合理的。
6. 在领域内的Pretraing具有较好的效果
7. 多任务实验效果，在交叉领域中得到的模型也有最佳的性能
有价值结论：
1）BERT的顶层输出对文本分类更加有用；
2）适当的分层递减学习策略能够有助于BERT克服灾难性遗忘；
3）任务内的进一步预训练模式可以显著提高对任务处理的性能；
4）先进行多任务微调对单个任务微调有帮助，但没有进一步在训练集中预训练的方式提升大
5）BERT可以利用小数据改进任务