BERT 微调：句对分类、序列标注与抽取式问答
本文围绕“BERT 微调：句对分类、序列标注与抽取式问答”对课程 ASR 进行高密度论文式重构，并围绕 BERT fine-tuning、sequence classification、token classification、extractive QA、\[CLS\] 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认
摘要
本文围绕“BERT 微调：句对分类、序列标注与抽取式问答”对课程 ASR 进行高密度论文式重构，并围绕 BERT fine-tuning、sequence classification、token classification、extractive QA、[CLS] 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。
**关键词：**BERT fine-tuning；sequence classification；token classification；extractive QA；[CLS]
1. 研究背景
BERT 把 Transformer Encoder 的双向 self-attention 用于大规模文本预训练，通过 Masked Language Modeling 学习上下文表示，再以较少任务特定参数完成分类、序列标注和抽取式问答。
它与 GPT 的根本差别不只是“编码器 vs 解码器”标签，更在于预训练条件信息：BERT 允许目标 token 同时利用左右上下文，而自回归 GPT 必须保持因果掩码。
本讲进一步聚焦BERT 微调：句对分类、序列标注与抽取式问答。正式分析首先需要明确该方法试图压缩哪一种计算复杂度、拟合哪一种统计规律或改进哪一类表示，再讨论公式和实现。只有把技术目标与评价标准绑定，才能避免把课堂示意性操作误写成普遍结论。
图 1 技术主线。 将本讲知识重构为“问题表示—核心计算—评价/决策”的依赖关系。依据课程 ASR 确认的主题和本章权威资料重新绘制。
2. 核心难点
该主题的难度不仅来自公式本身，还来自模型假设、数据/状态规模和工程资源的共同约束。结合本讲内容与一手资料，可将主要问题归纳为以下四类。
难点 1
双向上下文预训练必须避免直接把目标 token 暴露给预测头，因此采用 masking。
难点 2
预训练任务与下游任务之间存在目标差异，需要 fine-tuning 或其他适配。
难点 3
固定最大长度和二次 attention 成本限制长文本处理。
难点 4
NSP 等原始设计并非后来所有 BERT 变体都沿用，需明确版本边界。
3. 主要工作与技术路线
课程原有知识可压缩为一条完整方法链路。与课堂按幻灯片顺序逐项说明不同，本文按可复现算法过程重排如下：
- 构造 [CLS]/[SEP] 与双向输入：围绕 BERT fine-tuning 建立可验证的输入、计算与评价关系。
- 随机 mask 部分 token 形成预训练目标：围绕 sequence classification 建立可验证的输入、计算与评价关系。
- 多层 Transformer Encoder 学习上下文表示：围绕 token classification 建立可验证的输入、计算与评价关系。
- 添加轻量任务头进行 fine-tuning：围绕 extractive QA 建立可验证的输入、计算与评价关系。
- 按任务指标评估表示迁移：围绕 [CLS] 建立可验证的输入、计算与评价关系。
这些步骤共同回答三个问题：候选对象如何表示；核心计算如何改变或评价它；最终结果在什么条件下可以被视为有效。后续章节的公式、图表和实验均围绕这条链路展开。
4. 概念与形式化
BERT 下游任务头
微调通常在共享 Encoder 顶部添加很小的任务特定参数。
| 核心对象 | 正式技术含义 | 关联形式化 |
|---|---|---|
| BERT fine-tuning | BERT Fine-tuning 在预训练 Encoder 顶部添加小型任务头，并联合微调全部或部分参数，以较少任务特定结构适配分类、标注和问答。 | BERT 下游任务头 |
| sequence classification | Sequence Classification 为整段文本/句对输出单个类别，BERT 常使用 [CLS] 最终表示连接线性分类层。 | BERT 下游任务头 |
| token classification | Token Classification 为每个 token 预测标签，常用于命名实体识别等序列标注任务。 | BERT 下游任务头 |
| extractive QA | Extractive Question Answering 在给定 passage 中预测答案起始和结束 token 位置，而不是自由生成答案。 | BERT 下游任务头 |
| [CLS] | 本讲核心技术对象；其定义需结合当前章节的输入、输出和假设理解。 | BERT 下游任务头 |
图 2 核心对象之间的功能关系。 图示说明表示、计算机制与评价之间的依赖，不复刻课程 PPT。
5. 核心技术机制
1. BERT fine-tuning
BERT Fine-tuning 在预训练 Encoder 顶部添加小型任务头，并联合微调全部或部分参数，以较少任务特定结构适配分类、标注和问答。
2. sequence classification
Sequence Classification 为整段文本/句对输出单个类别，BERT 常使用 [CLS] 最终表示连接线性分类层。
3. token classification
Token Classification 为每个 token 预测标签，常用于命名实体识别等序列标注任务。
4. extractive QA
Extractive Question Answering 在给定 passage 中预测答案起始和结束 token 位置，而不是自由生成答案。
方法流程
将核心概念放回执行过程后，可以得到下表。正式算法描述必须同时给出状态更新、评价标准与终止条件，而不能只记录操作顺序。
| 阶段 | 处理步骤 | 主要技术对象 |
|---|---|---|
| 1 | 构造 [CLS]/[SEP] 与双向输入 | BERT fine-tuning |
| 2 | 随机 mask 部分 token 形成预训练目标 | sequence classification |
| 3 | 多层 Transformer Encoder 学习上下文表示 | token classification |
| 4 | 添加轻量任务头进行 fine-tuning | extractive QA |
| 5 | 按任务指标评估表示迁移 | [CLS] |
相关对象的功能比较
| 对象 | 定义 | 使用边界 |
|---|---|---|
| BERT fine-tuning | BERT Fine-tuning 在预训练 Encoder 顶部添加小型任务头，并联合微调全部或部分参数，以较少任务特定结构适配分类、标注和问答。 | 主要承担表示/计算/评价链路中的一个明确角色；实际效果依赖章节所述假设与数据条件。 |
| sequence classification | Sequence Classification 为整段文本/句对输出单个类别，BERT 常使用 [CLS] 最终表示连接线性分类层。 | 主要承担表示/计算/评价链路中的一个明确角色；实际效果依赖章节所述假设与数据条件。 |
| token classification | Token Classification 为每个 token 预测标签，常用于命名实体识别等序列标注任务。 | 主要承担表示/计算/评价链路中的一个明确角色；实际效果依赖章节所述假设与数据条件。 |
| extractive QA | Extractive Question Answering 在给定 passage 中预测答案起始和结束 token 位置，而不是自由生成答案。 | 主要承担表示/计算/评价链路中的一个明确角色；实际效果依赖章节所述假设与数据条件。 |
| [CLS] | 核心技术对象 | 主要承担表示/计算/评价链路中的一个明确角色；实际效果依赖章节所述假设与数据条件。 |
6. 性质、实验与证据
训练与推理的边界
模型结构定义的是可计算函数，训练算法决定参数如何从数据中估计，推理过程则在固定参数下执行预测或生成。把三者分开可以避免把训练技巧误写成网络结构，也避免把推理阶段行为反向解释成训练目标。
复杂度与工程约束
理论公式通常忽略内存带宽、并行度、batching 和数值精度。实际系统需要同时考虑参数量、激活占用、序列长度和硬件吞吐；因此“准确率更高”的组件未必适合所有在线位置，AlphaGo 的快速 rollout 与大型语言模型中的 KV cache 都体现了类似工程折衷。
对于具有明确理论条件的算法，本节优先说明正确性、最优性、收敛性或复杂度的前提；对于以实验建立有效性的学习模型，则区分训练指标、验证指标、消融实验和最终任务结果。任何数值都应绑定数据集、模型版本、硬件或搜索预算，不能脱离实验条件泛化。
7. 课程主线与事实核查
课程知识主线。 根据原 ASR，可以确认本讲的教学主线集中在 BERT fine-tuning、sequence classification、token classification、extractive QA、[CLS] 及其相互关系。课程中的逐图指点、重复设问、口头自我修正和非技术性铺垫均已删除；保留下来的知识被重排为“问题定义—形式化—算法/模型机制—评价—边界”的书面结构。
外部扩充边界。 外部检索材料只用于补充标准定义、原始论文结果、算法成立条件和后续技术发展；它们不会被反向写成讲师原本展示过的 PPT 参数。对纯 ASR 无法唯一恢复的图中数字、箭头和公式局部符号，正文只保留能够由上下文与权威资料共同确认的技术关系。
8. 局限与实践边界
任何课程级算法都存在适用条件。工程使用时必须重新检查数据或状态分布、目标函数、计算预算和评价协议，而不是机械复制示例超参数。随机方法应报告随机种子、重复试验与预算；学习模型应严格区分训练、验证和测试；搜索算法应明确最优性前提、重复状态处理和资源上限。
本讲涉及的核心对象之间通常存在明确折衷：更强的表示或估值可能增加计算成本，更激进的剪枝或近似可能损失保证，更复杂的模型可能需要更多数据和正则化。正式结论因此应表述为“在给定假设和评价条件下有效”，而不是无条件优于其他方法。
9. 展望
Encoder-only 预训练随后发展出 RoBERTa、DeBERTa 等变体，并在检索、分类和表示任务中持续使用。长文本建模、参数高效微调与检索增强是其重要扩展方向。
后续技术是否构成真正改进，应使用与当前方法可比的基准、预算和评价协议验证。对于快速演进的软件或模型版本，正文只把稳定原理写入主结论，把易变化的工程参数视为版本性信息。
10. 结论
“BERT 微调：句对分类、序列标注与抽取式问答”应被理解为由**BERT fine-tuning、sequence classification、token classification、extractive QA、[CLS]**共同构成的完整技术问题，而不是若干课堂操作的顺序记录。论文式说明必须同时回答方法解决什么问题、基于何种假设、如何计算、怎样评价以及在哪些条件下可能失效。经过 ASR 主线提取、英文一手资料检索和事实核查后，本章将原有口语课程转换为可独立阅读、可追溯来源且信息密度更高的正式技术文本。
参考文献与核查来源
- Devlin et al. (2018). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. source.
- Vaswani et al. (2017). Attention Is All You Need. source.
生成流程：ASR 知识主线提取 → 论文式重构 → 英文一手资料检索与交叉核验 → 技术扩充 → SVG/表格/MathJax 排版。正文采用 UTF-8。MathJax 通过 CDN 加载；无网络时 LaTeX 源码仍保留，但完整数学排版需要可访问 MathJax。