1.概述
XLNet 与 Bert 有着许多的不同，XLNet 利用一个全新的模型Transformer-XL作为语义表示的骨架， 将置换语言模型的建模作为优化目标，同时在预训练阶段也利用了更多的数据。 最终，XLNet 在多个 NLP 任务上达到了 SOTA 的效果。
2.Two-Stream Self-Attention
接下来的问题是用什么模型来表示。当然有很多种可选的函数(模型)，我们这里通过位置来从context 里通过Attention机制提取需要的信息来预测这个位置的词。那么它需要满足如下两点要求：
为了预测只能使用位置信息而不能使用。这是显然的：你预测一个词当然不能知道要预测的是什么词。
数学定义：
原文：https://www.cnblogs.com/yangyang12138/p/12903083.html