从 Kaggle 冠军到 ULMFiT：Jeremy Howard 如何改写语言模型训练范式

Jeremy Howard 与 Sebastian Ruder 于 2018 年 1 月发表 ULMFiT，先在大规模通用文本上预训练语言模型、再针对具体任务微调，在多数测试数据集上把错误率降低 18%–24%，仅用 100 条标注样本就能追平用 100 倍数据从头训练的模型。