概述
发布时间线：
-
Transformer 2017 年 6 月
-
GPT1：2018 年 6 月
-
Bert: 2018 年 10 月
-
GPT2：2019 年 2 月
-
GPT3：2020 年 5 月
bert 适合较小数据集、GPT 必须要超大规模数据集才能有效。
GPT-4 未有论文。
GPT-1（2018 年 6 月）
-
GPT1 参数量：大概 1 亿参数
-
12 层 decoder（维度 768，12 个注意力头）
-
-
训练集：7000 本书籍（8 亿个单词）
GPT-2（2019 年 2 月）
-
名称：《Language Models are Unsupervised Multitask Learners》【语言模型是无监督的多任务学习者】
-
时间：2019 年 2 月
-
作者：OpenAI 6 人（负责人是 ilya）
-
代码：https://github.com/openai/gpt-2（没有提供训练代码，也没有最大号预训练模型）
-
一段话总结 GPT-2：用的 transformer 解码器结构（48 层 decoder），15 亿参数，模型输入是文本，输出也是文本。训练数据源自 reddit 上被点赞的 4500 万个网站链接，各种筛选后获得 800 万文本，大概 40GB 文本数据量。预训练模型能够实现 zero-shot，即无需微调直接能在各种领域使用。在众多 zero-shot 领域达到 SOTA，并且这种架构的精度天花板还远未触及，只要继续去提高参数量和数据量。
GPT-3（2020 年 5 月）
模型结构跟 GPT-2 几乎完全一致，调整的部分是：采用稀疏注意力（只有临近 token 进行注意力计算）。
GPT-3 最大特点：
-
显著提高了在零样本学习和少样本学习上的表现，它能够通过简单的提示（prompts）来执行各种任务，无需额外的训练。
GPT-3 在几十种类型任务中的平均表现（其中很多领域，few shot 能力超过其他 SOTA 模型的微调）
