摘要
近年来，大语言模型（Large Language Models, LLMs）引起了广泛关注。借助上下文学习（in-context learning）能力，LLMs 在各类自然语言处理任务中取得了令人瞩目的成果。然而，将 LLMs 应用于句子嵌入（sentence embeddings）领域仍是当前研究的活跃方向。本文提出一种基于上下文学习的方法，旨在提升句子嵌入的性能。我们的方法在自回归模型的提示词（prompt-based）表示框架基础上进行改进，构建了用于上下文学习的示范样本集（demonstration set），并系统地对不同规模的 LLMs 进行扩展实验。通过大量实验验证，我们发现无需任何微调（fine-tuning），仅通过上下文学习即可使 LLMs 生成高质量的句子嵌入，其性能可与当前主流的对比学习（contrastive learning）方法相媲美。在模型规模扩展方面，我们观察到当模型参数量超过数十亿时，其在语义文本相似性（Semantic Textual Similarity, STS）任务上的表现反而下降。然而，最大规模的模型在迁移任务上仍显著优于其他模型，并在该类任务上取得了新的最先进（state-of-the-art）结果。此外，我们还采用当前主流的对比学习方法对 LLMs 进行微调。实验结果表明，结合我们提出的提示词方法后，参数量为 27 亿的 OPT 模型在 STS 任务上的表现超越了参数量达 48 亿的 ST5 模型，再次刷新了该任务的最先进水平。本文相关代码已开源，地址为：https://github.com/kongds/scaling_sentemb。