小编注：他来了他来了，苏神带着他的文章走来了！在小屋这篇《丹琦女神新作：对比学习，简单到只需要Dropout两下》推出后，苏神发来了他在 SimCSE 上的中文实验，实验结果表明在不少任务上 SimCSE 确实相当优秀，能明显优于 BERT-whitening。那么话不多说，让我们接着前篇的讨论，来看看苏神的文章吧~

今年年初，笔者受到 BERT-flow 的启发，构思了 BERT-whitening 方法，一度成为了语义相似度的新 SOTA——参考《你可能不需要 BERT-flow ：一个线性变换媲美 BERT-flow 》[1]，对应论文为《Whitening Sentence Representations for Better Semantics and Faster Retrieval》[2]。

。然而“好景不长”，在 BERT-whitening 提交到 Arxiv 的不久之后，笔者刷到了至少有两篇新论文里边的结果明显优于 BERT-whitening 了。

第一篇是《 Generating Datasets with Pretrained Language Models 》，这篇借助模板从 GPT2_XL 中无监督地构造了数据对来训练相似度模型，个人认为虽然有一定的启发而且效果还可以，但是复现的成本和变数都太大。另一篇则是本文的主角《 SimCSE: Simple Contrastive Learning of Sentence Embeddings 》，它提出的 SimCSE 在英文数据上显著超过了 BERT-flow 和 BERT-whitening ，并且方法特别简单～

那么，SimCSE 在中文上同样有效吗？能大幅提高中文语义相似度的效果吗？本文就来做些补充实验。

SimCSE 简介

首先，简单对 SimCSE 做个介绍。事实上，SimCSE 可以看成是 SimBERT 的简化版（关于 SimBERT 请阅读《鱼与熊掌兼得：融合检索和生成的 SimBERT 模型》[3]），它简化的部分如下：

1、SimCSE 去掉了 SimBERT 的生成部分，仅保留检索模型；
2、由于 SimCSE 没有标签数据，所以把每个句子自身视为相似句传入。

说白了，本质上来说就是(自己,自己)作为正例、(自己,别人)作为负例来训练对比学习模型。当然，事实上还没那么简单，如果仅仅是完全相同的两个样本作为正例，那么泛化能力会大打折扣。一般来说，我们会使用一些数据扩增手段，让正例的两个样本有所差异，但是在 NLP 中如何做数据扩增本身又是一个难搞的问题，SimCSE 则提出了一个极为简单的方案：直接把 Dropout 当作数据扩增！

具体来说，个句子经过带 Dropout 的 Encoder 得到向量，然后再过一遍 Encoder （这时候是另一个随机 Dropout ）得到向量，我们可以将视为一对（略有不同的）正例了，那么训练目标为：

英文效果

原论文的（英文）实验还是颇为丰富的，读者可以仔细阅读原文。但是要注意的是，原论文正文表格的评测指标跟 BERT-flow 、 BERT-whitening 的不一致，指标一致的表格在附录：

不管怎样比，SimCSE 还是明显优于 BERT-flow 和 BERT-whitening 的。那么 SimCSE 的这个优势是不是普遍的呢？在中文上有没有这个优势呢？我们马上就来做实验。

实验配置

我们的中文实验基本与《无监督语义相似度哪家强？我们做了个比较全面的评测》[4]对齐，包括之前测试的 5 个任务、4 种 Pooling 以及所有 base、small、tiny 版的模型，large 没有跑是因为相同配置下 large 模型 OOM 了。

经过调参，笔者发现中文任务上 SimCSE 的最优参数跟原论文中的不完全一致，具体区别如下：

1、原论文batch_size=512，这里是batch_size=64（实在跑不起这么壕的batch_size）；
2、原论文的学习率是5e-5，这里是1e-5；
3、原论文的最优dropout比例是0.1，这里是0.3；
4、原论文的无监督 SimCSE 是在额外数据上训练的，这里直接随机选了1万条任务数据训练。

最后一点再说明一下，原论文的无监督 SimCSE 是从维基百科上挑了 100 万个句子进行训练的，至于中文实验，为了实验上的方便以及对比上的公平，直接用任务数据训练（只用了句子，没有用标签，还是无监督的）。

不过除了 PAWSX 之外，其他 4 个任务都不需要全部数据都拿来训练，经过测试，只需要随机选 1 万个训练样本训练一个 epoch 即可训练到最有效果（更多样本更少样本效果都变差）。

开源地址：
https://github.com/bojone/SimCSE

中文效果

SimCSE 的所有中文实验结果如下：

其中每个单元的数据是 “a/b/c” 的形式，a 是不加任何处理的原始结果，b 是 BERT-whitening 的结果（没有降维），c 则是 SimCSE 的结果，如果 c  > b，那么 c 显示为绿色，否则为红色，也就是说绿色越多，说明 SimCSE 比 BERT-whitening 好得越多。

关于其他实验细节，可以看原代码以及《无监督语义相似度哪家强？我们做了个比较全面的评测》[4]。注意由于又有 Dropout ，训练时又是只采样 1 万个样本，因此结果具有随机性，重跑代码结果肯定会有波动，请读者知悉。

一些结论

从实验结果可以看出，除了 PAWSX 这个“异类”外， SimCSE 相比 BERT-whitening 确实有压倒性优势，有些任务下还能好 10 个点以上，而且像 SimBERT 这种已经经过监督训练的模型还能获得进一步的提升，确实强大。（至于 PAWSX 为什么“异”，文章《无监督语义相似度哪家强？我们做了个比较全面的评测》[4]已经做过简单分析。）

同时，我们还可以看出在 SimCSE 之下，在 BERT-flow 和 BERT-whitening 中表现较好的 first-last-avg 这种 Pooling 方式已经没有任何优势了，反而较好的是直接取[ CLS ]向量，但让人意外的是，Pooler （取[ CLS ]的基础上再加个 Dense ）的表现又比较差，真让人迷惘～

由于 BERT-whiteing 只是一个线性变换，所以笔者还实验了 SimCSE 是否能浮现这个线性变换的效果。具体来说，就是固定 Encoder 的权重，然后接一个不加激活函数的 Dense 层，然后以 SimCSE 为目标，只训练最后接的 Dense 层。结果发现这种情况下的 SimCSE 并不如 BERT-whitening 。那就意味着， SimCSE 要有效必须要把 Encoder 微调才行，同时也说明 BERT-whitening 可能包含了 SimCSE 所没有东西的，也许两者以某种方式进行结合会取得更好的效果（构思中...）。

相关工作

简单调研了一下，发现 “自己与自己做正样本” 这个思想的工作，最近都出现好几篇论文了，除了SimCSE之外，同期出现的还有《Augmented SBERT: Data Augmentation Method for Improving Bi-Encoders for Pairwise Sentence Scoring Tasks》[5]、《Semantic Re-tuning with Contrastive Tension》[6]都是极度相似的。其实类似的idea笔者也想过，只不过没想到真的能work（就没去做实验了），也没想到关键点是 Dropout ，看来还是得多多实验啊～

本文小结

本文分享了笔者在 SimCSE 上的中文实验，结果表明不少任务上 SimCSE 确实相当优秀，能明显优于 BERT-whiteining 。

寻求报道、约稿、文案投放：
添加微信xixiaoyao-1，备注“商务合作”

[1] https://kexue.fm/archives/8069.

[2] Jianlin Su et al. Whitening Sentence Representations for Better Semantics and Faster Retrieval. https://arxiv.org/abs/2103.15316.

[3] https://kexue.fm/archives/7427.

[4] https://kexue.fm/archives/8321.

[5] https://arxiv.org/abs/2010.08240.

[6] https://openreview.net/forum?id=Ov_sMNau-PF.