說來慚愧，之前寫了一篇對向量召回的總結（前沿重器[28] | 前沿的向量召回都是怎么做的），萬萬沒想到現在就來寫新文章了，而且上面的總結還沒提到，大家當做擴展和補充吧。

眾所周知，在語義相似度上，交互式方案總會比非交互方案更容易獲得較好的效果，然而在召回上，非交互式方案（也就是表征式）具有得天獨厚的優勢，我們最終使用的，又不得不是非交互的方案，因此我們會嘗試進一步優化非交互方案。

最近開始發現一些從交互式蒸餾到交互的方案，例如21年年末美團提出的VIRT（VIRT: Improving Representation-based Models for Text Matching through Virtual Interaction），今天我們來聊的是百度在22年5月份提出的方案，我認為這篇論文是這個領域內目前比較有代表性的，主要有這幾個原因：

整理了一些比較好的蒸餾思路和方向。

對這些蒸餾方案做了一些消融實驗。

試驗了一些前處理的方案，甚至包括一些furture pretrain。

論文和有關資料放這里：

原論文：ERNIE-Search: Bridging Cross-Encoder with Dual-Encoder via Self On-the-fly Distillation for Dense Passage Retrieval

文章講解：

https://zhuanlan.zhihu.com/p/522301876

https://blog.csdn.net/moxibingdao/article/details/125713542

https://zhuanlan.zhihu.com/p/518577648

表征式能逼近交互式嗎

之所以想先聊這個，是因為想說一下這兩者之間存在的可能性，即表征式是否可以達到交互式的效果，從蘇神有關這塊的推理來看（https://spaces.ac.cn/archives/8860），其實是可行的，雖然這塊的推理并不算嚴格，但是這個推理已經相對可靠了，換言之，我們可能可以找到更好的學習方法，找到這樣一組參數，使表征式能達到交互式效果的這個理論高度。

ERNIE-Search模型結構

模型結構，我比較想從損失函數開始講，其實從損失函數看就能看出本文很大部分的貢獻：

這個損失的內容非常多，我把他分為兩個部分，一個是獨立訓練的部分（不帶箭頭的），另一個是蒸餾部分（帶箭頭的）。首先是獨立訓練的部分，這部分主要是直接針對標簽進行訓練的，無論是teacher模型還是student模型，其實都是需要這個部分的。

：cross-encoder，交互式的方案，在這篇論文里，使用的是ERNIE2.0（4.1.3中提到）。

：late-interaction，延遲交互方案，這里是指介于交互式和表征式之間的方案，開頭是雙塔，后續的交互式并非cos而是更復雜的交互方式，如ColBERT（ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT）。

：Dual-encoder，表征式方案，就是常說的雙塔，本文用的是同樣是ERNIE2.0（4.1.3中提到）。

另一部分則是蒸餾部分，這里的蒸餾部分作者是做了很多的心血進行分析的，構造了好幾個損失函數，分別是這些，這里的幾個蒸餾損失函數用的都是KL散度：

：交互方案蒸餾到延遲交互方案。

：延遲交互方案蒸餾到表征式方案（和共同形成級聯蒸餾）。

：交互方案蒸餾到表征式方案。

：最特別的一個。實質上是一個token級別的交互損失，旨在希望延遲交互得到的attn矩陣和交互式的attn矩陣盡可能接近。

回到損失函數本身，其實會發現這個損失函數是由多個損失函數組合起來的，敏銳的我們可以發現，這里的幾個損失之間的權重是完全一樣的，估計調整下可能還有些空間吧，不過也考慮到損失函數實在夠多了，調起來真的不容易。

說起效果，這點作者是做了消融實驗的：

損失函數消融實驗

從實驗結果來看，其中貢獻最大的是，也就是交互方案蒸餾到延遲交互方案，其二是（我感覺就是），這個也挺符合直覺的吧，但是比較神奇的是去掉了比較多以后，就是#6的實驗，好像最終對結果的損失反而會變少，這個有些神奇，有待進一步實驗和探索吧，當然，我感覺這里可能和權重也有關。

訓練策略

還需要提一個關鍵點就是文章在4.1.3中提到的訓練策略，這個特別的訓練策略為最終的結果貢獻度不少（可以參考消融實驗），因此展開說一下：

使用對應語料對預訓練模型（應該就是ERNIR2.0）進行繼續預訓練，這個階段在文中也被稱為post-train。

對QA任務，使用交互式蒸餾到表征式的方案，訓練表征式模型。

對QA任務，再使用上面的級聯蒸餾方案，訓練表征式模型，和上一條被聯合稱為finetune階段。

另外，在3.4中，有提到一個訓練策略叫Dual Regularization（DualReg），其實我感覺這個和r-dropout很相似（前沿重器[15] | R-Dropout——一次不行就兩次），用兩個不同隨機種子的dropout對表征式進行前向訓推理，得到兩個表征結果，用KL散度進行學習，而因為雙塔，實際上要對q1和q2都這么做一次，所以實際上會多兩個損失函數。

訓練策略消融實驗

這些訓練策略的效果，在4.3.1中有進行消融實驗，如上圖所示，直觀地，從這個表其實可以發現幾個信息：

ID'（也就是交互式蒸餾）具有一定的優勢，尤其是在Finetuning階段，但是在Post-train中的收益似乎不那么明顯。

DualReg似乎是有些效果的，但是不清楚為什么要把CB（RocketQA中的提到的跨batch負采樣策略）也放一起，就感覺這個東西和本文的創新點沒啥關系，讓我們并不知道是CB的貢獻，還是DualReg的貢獻了。

但是感覺做的有一些馬虎，主要是為了證明這個ID'（也就是交互式整流）的方案比較厲害，但是從這個表來看收效沒有想象的大額，不過有一說一，前面的繼續預訓練還是非常值得我們學習和嘗試的，這點我在（前沿重器[26] | 預訓練模型的領域適配問題）中有提到過。

小結

總結下來，這篇文章最大的特點是把“通過學習交互式，來讓表征式效果進一步提升”這個思路發揮很極致，讓我們知道了這個方案的潛力，這個是有些實驗和落地價值的。

除此之外，這篇文章在初讀的時候，其實發現了不少新的概念（可能也是我有些匱乏吧），所以挖了不少坑，論文里的下面這張表其實都值得我好好讀一下，當然也包括introduction里面的。

對比實驗

審核編輯 ：李倩