BERT视觉 作者：| | 加州大学伯克利分校，信息与数据科学硕士课程 2021年Spring，W210- Capstone项目-Alberto | 在塞（ 的指导下，我们继续进行W266-自然语言处理的研究 描述 我们提出了一种用于问题解答（QA）的参数有效的方法，该方法大大减少了对扩展BERT微调的需求。 我们的方法使用来自每个BERT转换器层的隐藏状态激活的信息，该信息在典型的BERT推理期间将被丢弃。 我们的最佳模型以极少的培训时间和GPU / TPU费用实现了最大的BERT性能。