论文标题：PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization
论文来源：ICML 2020
论文链接：https://arxiv.org/abs/1912.08777
代码链接：https://github.com/google-research/pegasus
概述
文章提出了一种专门针对文本摘要生成的预训练方法，并提出了一种 GSG (Gap Sentence Generation) 的生成方法，该方法在模型的 fine-tune 阶段只需要 1000 个 example 就能达到 12 个数据集的 SOTA，这个结果还是很抢眼的，值得仔细读一读。
为了让 pre-train 时候的 task 更接近文本摘要任务，选择 Gap_Sentence（ 代表的句子）的时候作者用了一些策略来选择。Random 随机选择 m 个句子来 mask
Lead 选择前 m 个句子来 mask
- Principle 给每个句子进行打分，计算每个句子和剩下部分内容的 ROUGE1-F1 值，从高到低取 m 个句子来 mask
作者预训练的时候训练了两个版本，一个版本是单独的 encoder，只用了 MLM（mask language model）作为 target，在 decode 阶段 decoder 和 encoder 共享参数。另一个版本则是两个 target 一起训练（MLM 和 GSG）。MLM 这个 target 在前期（100k-200k steps）还是很管用的，但是到了后期反而会对 performance 造成影响，所以在 large 模型中，作者直接舍弃了这个 MLM 这个 target。finetune
图 3 可以看出，使用 HugeNews 来 pre-train 的模型在使用前两个数据集 fine-tune 之后效果更好，在后两个数据集反之。说明预训练预料如果和下游任务接近，那效果会更好。（这不是很显然的吗。。。图4（a）对比了 6 种不同的 GSG 策略，Ind-Orig 获得了最佳性能，其次是 Seq-Uniq。Ind-Orig 和 Seq-Uniq 在四个下游数据集始终是最好的（或相似的） “Random” 和 “Lead” 在两个新闻数据集上的表现都不错，但是在两个非新闻数据集上，表现并不好。结果表明选择 principal 句子最适合下游摘要任务。
上图显示了不同的选取间隔句子比例带来的不同效果， 最佳性能的 GSR 低于 50％。间隔语句为 15％ 的模型在 CNN / DailyMail 上的 ROUGE 得分最高，而XSum / Reddit TIFU 和 WikiHow 分别为 30％ 和 45％ 时表现更好。不同的词表大小，带来的收益也是不一样的。
再看看 large 模型的效果：
图 6 显示的是 low-resource 微调的结果。实线是在 0（zero-shot），10，100、1k，10k 的示例。虚线是 Transformer-base 模型，其大小与 PEGASUS-base 相同，并且经过完整的监督数据集训练，但无需预训练。
这就是论文中提到的只需要 1000 个 example，便可以超过 SOTA。
