双塔模型没效果了？请加大加粗！

炼丹笔记·必读论文

作者：十方

很多研究表明，双塔在一个域表现不错，在其他域表现不好了。一个广泛被认同的观点就是双塔仅仅用了最后一层的点积算分，这限制了模型的召回能力。这篇论文<Large Dual Encoders Are Generalizable Retrievers>就否认了这个观点，通过扩展双塔的网络，就能提升模型对各个召回任务的效果，特别是那些跨域的。实验结果表明，该论文提出的Generalizable T5-based dense Retrievers(GTR)在BEIR数据集上显著优于现存的一些召回模型。

简介

在query和document的召回任务中，他们分别被encode到同一空间中，然后使用近邻检索给query高效的找到对应document。很多论文都表示，点积(或是cos相似度)不能够有效抓住语意相关性，这篇论文并不赞同。值得注意的是，扩展双塔网络的capacity和预训练模型(像是bert)的扩展不同，因为有瓶颈层(用于点积的那层)的存在。提升encoder的capacity却不能改变点积限制了query和document交互信息的现实。为了验证这个假设，该文使用了T5模型，使得encoders可以有50亿的参数，并固定顶层为768维度如下图所示。最后评估了GTR在BEIR benchmark上zero shot的效果，在9个域和18个召回任务的表现是让人吃惊的。

GTR

T5模型算是大力出奇迹的典范了，靠着统一框架和所有NLP任务都转换成Text-to-Text任务，同样的模型，同样的loss，同样的训练，同样的编码解码，完成了所有的NLP任务。

本文用的T5的预训练模型，直接把模型capacity从百万提升到亿，模型架构如下所示：

编码query和passage用的是encoder的mean pooling，并固定输出是768维度。loss使用的是batch内负采样，使用sampled softmax loss:

还可以补充一些负例，如下式所示：

整个训练过程包含预训练步骤和fine-tuning步骤，web-mined语料库提供了很多半结构化的数据对(像是对话，问答)，可以提供丰富的语意相关信息。还有些搜索数据集，往往是人工标注的，虽然质量高但是收集成本高。这篇论文使用T5模型的encoder进行初始化，并在从互联网收集的问答pair对上进行训练，然后在SentEval和Sentence Textual Similarity任务上进行评估。

实验效果

参考文献

1.Large Dual Encoders Are Generalizable Retrievers

https://arxiv.org/pdf/2112.07899.pdf

2.Exploring the limits of transfer learning with a unified textto-text transformer

https://arxiv.org/pdf/1910.10683.pdf