【资源推荐】BERT论文合集

【导读】 BERT的全称是Bidirectional Encoder Representations from Transformers，它是一种新型的语言模型。之所以说是一种新型的语言模型，是因为它通过联合调节所有层中的双向Transformer来训练预训练深度双向表示。

本资源整理了与BERT相关的论文，并按应用类别进行分类，包括：Downstream task、Generation、Modification (multi-task, masking strategy, etc.)、Transformer variants、Probe、Inside BERT、Multi-lingual(多语言)、Other than English models(英语以外的模型)、Domain specific(特定领域)、Multi-modal(多模态)、Model compression(模型压缩)、Misc(其他混杂论文)。

目录

01

Downstream task

02

Generation

03

Modification

04

Transformer variants

05

robe

06

Inside BERT

07

Multi-lingual

08

Other than English models

09

Domain specific

10

Multi-modal

11

Model compression

12

Misc

13

地址连接：

https://github.com/tomohideshibata/BERT-related-papers#domain-specific

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源