给BERT加一个loss就能稳定提升？斯坦福 Facebook最新力作！
今天要介绍的这篇工作来自斯坦福和Facebook AI，作者在BERT分类任务的精调阶段加入了对比学习的loss，在各个任务上都获得了很稳定的提升：
上图中CE表示交叉熵，SCL表示Supervised Contrastive Learning。实话说结果并不够惊艳，用对抗学习也差不多可以做到，让我惊喜的是在Few-shot上的效果：
N表示训练样本数量。可以看到N=20时QNLI上有10个点之多的提升。
下面就让我们来走近科学，看看SCL是个啥玩意儿叭～
论文题目：Supervised Contrastive Learning for Pre-trained Language Model Fine-tuning
论文链接：https://arxiv.org/abs/2011.01403
对比学习
对比学习的核心思想，就是让模型学习如何将正样本和其他负样本区别开来，抓住样本的本质特征，而不是把每个细节都考虑到。拿人来举例，假如有人让你凭空画一张一美元，你可能只画成这样[2]：
而如果给你一张美元照着临摹，可能还能画好看点，比如这样：
所以说我们记住的，不一定是像素级别的特征，而是更高维度的。在训练模型时，也不强求它们把所有信息都编码，只要细致到可以区分数据中的不同样本就可以。
如何实现呢？这个就体现在目标函数上：
在自监督的情况下，对比学习利用数据增强方法，给每个输入样本输入构建另一个view 作为正例，并使用同batch下其他样本作为负例，达到拉近正例拉开负例的“对比”目的：
描述得更具体一点，就是把N个输入样本增强到2N个，然后进行2N分类（其中有2个正例2N-2个负例）。
P.S. 关于对比学习在图像领域的进展可以参考知乎@Tobias Lee的文章[3]。
Supervised Contrastive Learning
上文讲了自监督的对比学习主要是靠一个batch内的样本间相互对比，那有监督的数据如何更好利用呢？
作者就针对分类任务进行了研究。分类的核心思想就是把不同类别的样本划分开来，通常使用交叉熵作为损失函数。作者则提出了一个新的对比学习loss SCL，将同一类的样本互相作为正例，不同类别的作为负例。以此达到拉近类内样本、拉开类间距离的目的：
具体的损失计算方法为（右滑公示）：
其中是正确label，是归一化后的encoder输出，是一个控制类间距离的超参数，越低负例就越难分。这个式子的主要目的就是拉近正样本（同类数据）的距离。
实验结果
除了开头展示的直接提升外，作者还进行了很多分析。从SST-2数据集的[CLS] embedding来看，通过CE（左）和SCL（右）损失训练出来的encoder对正负例的区分能力确实有不少差距：
同时在有噪声的训练数据上SCL鲁棒性会更强（T越高噪声越多）：
总结
这篇文章目前正在投稿ICLR2021（都在arxiv上挂了还盲审啥。。），总体的改动比较简单，但对比学习的前景还是挺大的，同时加上SCL损失之后不仅对少样本的情况很有帮助，也能提升模型鲁棒性，相比于对抗学习的计算代价明显要小，还是比较实用的，一起立个flag，复现一波？
参考资料
A Simple Framework for Contrastive Learning of Visual Representations: https://arxiv.org/abs/2002.05709
[2]
Contrastive Self-Supervised Learning: https://ankeshanand.com/blog/2020/01/26/contrative-self-supervised-learning.html
[3]
对比学习（Contrastive Learning）相关进展梳理: https://zhuanlan.zhihu.com/p/141141365