Attenuating Catastrophic Forgetting of Token-Level Knowledge in Contrastive Sentence Embeddings with Attentive Pooling
Notice bibliographique
Résumé
When Gao et al. [1] introduced SimCSE, their seminal work on contrastive learning for sentence embedding tasks, they noted that the contrastive post-training step leads to what they termed "catastrophic forgetting of token-level knowledge."Although SimCSE achieves significant performance gains on the Semantic Textual Similarity (STS) benchmarks, incorporating contrastive learning into many transfer tasks consistently results in a performance decrease.This suggests the loss of crucial syntactic and semantic information.The catastrophic forgetting issue created an unfortunate trade-off between STS and transfer task performance.In this paper, we introduce GLOOCoSE, a novel method designed to address the problem of catastrophic forgetting, which eliminates this trade-off.This approach employs a layer-and token-wise attentive pooling mechanism.Unlike Masked Language Modeling(MLM) loss, GLOOCoSE not only boosts performance on transfer tasks but also maintains, and in some instances improves, the model's performance on STS.Furthermore, GLOOCoSE is compatible with various SimCSE variants.We hope that our success in mitigating the issue of catastrophic forgetting will renew interest in the transfer learning aspect of sentence embeddings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».