BERT（Bidirectional Encoder Representations from Transformers）详解
BERT 是由 Google AI 在 2018 年提出的一种双向 Transformer 预训练语言模型，在 NLP 领域取得了革命性的突破。它通过双向学习和掩码语言模型（Masked Language Model, MLM），显著提升了自然语言理解（NLU）任务的表现。
1. BERT 的背景
在 BERT 之前，许多 NLP 预训练方法（如 Word2Vec、GloVe）都是基于单向语言模型或无上下文的词向量，导致模型无法充分利用句子中的全局信息。例如：
- Word2Vec：同一个单词在不同上下文中的表示相同，无法区分 “bank”（银行）和 “bank”（河岸）。
- RNN/LSTM 语言模型
