中文版下载地址

[Tar File]：

https://tfhub.dev/google/albert_base/2

https://tfhub.dev/google/albert_xxlarge/2

https://storage.googleapis.com/albert_models/albert_large_zh.tar.gz

https://storage.googleapis.com/albert_models/albert_xlarge_v2.tar.gz

https://storage.googleapis.com/albert_models/albert_base_zh.tar.gz

平均来看，ALBERT-xxlarge比v1略差一些，原因有以下2点：

https://storage.googleapis.com/albert_models/albert_large_v2.tar.gz

[Tar File]：

ALBERT v2下载地址

https://tfhub.dev/google/albert_xlarge/2

[Tar File]：

ALBERT 2性能再次提升

Xxlarge

比BERT模型参数小18倍，性能还超越了它。

Base

https://tfhub.dev/google/albert_large/2

https://storage.googleapis.com/albert_models/albert_xxlarge_zh.tar.gz

[TF-Hub]：

https://github.com/google-research/ALBERT

https://storage.googleapis.com/albert_models/albert_xxlarge_v2.tar.gz

说明采用上述三个策略的重要性。

这就是谷歌前不久发布的轻量级BERT模型——ALBERT。

从性能的比较来说，对于ALBERT-base、ALBERT-large和ALBERT-xlarge，v2版要比v1版好得多。

[TF-Hub]：

https://storage.googleapis.com/albert_models/albert_xlarge_zh.tar.gz

[TF-Hub]：

[Tar File]：

变态烈焰sf-xxl使用了一个单模型设置，在SQuaD和RACE基准测试中的性能：

额外训练了1.5M步(两个模型的唯一区别就是训练1.5M和3M步)；

GitHub项目地址：

变态烈焰sf使用了一个单模型设置，在 GLUE 基准测试中的性能：

在这个版本中，“no dropout”、“additional training data”、“long training time”策略将应用到所有的模型。

中文版下载地址

XLarge

https://storage.googleapis.com/albert_models/albert_base_v2.tar.gz

XLarge

总的来说，变态烈焰sf是BERT的轻量版， 使用减少参数的技术，允许大规模的配置，克服以前的内存限制。

不仅如此，还横扫各大“性能榜”，在SQuAD和RACE测试上创造了新的SOTA。

Large

对于v1，在BERT、Roberta和XLnet给出的参数集中做了一点超参数搜索；对于v2，，只是采用除RACE之外的V1参数，其中使用的学习率为1e-5和0 ALBERT DR。

Xxlarge

与初代ALBERT性能相比结果如下。

[TF-Hub]：

Large

Base

（原标题：谷歌ALBERT模型V2+中文版来了：之前刷新NLP各大基准，现在GitHub热榜第二）

而最近，谷歌开源了中文版本和Version 2，项目还登上了GitHub热榜第二。