标签：res foo not 创新 实现 sla ESS number and
今天从ACL2020抓下来一堆跟Generation相关的论文，读了一天只读完了3篇，而且读得还不是很透彻，看来读论文的功力需要提升啊。
第一篇：One Size Does Not Fit All: Generating and Evaluating Variable Number of Keyphrases
主框架：seq2seq做生成，加入了attention和copy机制。
数据集构建：把关键词用<sep>拼接作为训练文本。这里有个问题，就是关键词拼接的顺序如何确定？
创新点：加入了重构的损失函数，让生成的关键词尽量还原文本语义，保证生成关键词的多样性；构建了一个新的评价指标，适用于不同样本关键词数量不同的情景。
TODO：研究代码，学习实现方法。
第二篇：BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension
主要想法：不同于BERT直接预测mask以后的token，BART是用的seq2seq做的重构。其实两者的encoder是一样的，只不过BERT的decoder是一个MLP，而BART的decoder是一个auto-regression的decoder。
数据集构建：尝试了很多种任务，包括token mask、span mask、fooling mask等等。
TODO：试着用transformers加载一下，试试效果怎么样。
第三篇：Distilling Knowledge Learned in BERT for Text Generation
主要想法：用BERT当teacher模型，辅助seq2seq做文本生成。感觉确实很有道理，BERT虽然做auto-regression的生成不行，但是当老师还是不错的。
TODO：研究一下知识蒸馏的实现方法和损失函数之类的。
标签：res foo not 创新 实现 sla ESS number and
原文地址：https://www.cnblogs.com/sqlkrad/p/13122060.html
