Nlp 精度不随大模型的增加而增加

我使用了

BERT\u base\u cased

和

BERT\u large\u cased

模型进行多类文本分类。用BERT_base_案例，我得到了令人满意的结果。当我尝试使用BERT_large_cased模型时，所有时代的精确度都是一样的

---

有了

BERT\u base\u cased

，就不存在这样的问题。但是有了

BERT\u large\u cased

，为什么准确度在所有时代都是一样的呢？非常感谢您的帮助……………

您用于培训的样本数量是多少？@AshWingeted'Sa我在两个数据集上对BERT large进行了实验。数据集的大小为6500、2300。这对于BERT来说太小了，即使在BERT的情况下，这也是一个巨大的模型。数据集的小规模是这种行为的唯一原因。在本文中，（），作者在三个数据集上成功地用大小为5816的训练集对BERT大进行了实验，5921和7038。你用于训练的样本数量是多少？@Ashwingeted'Sa我在两个数据集上对BERT large进行了实验。数据集的大小为6500、2300。这对于BERT来说太小了，即使在BERT的情况下，这也是一个巨大的模型。数据集的小规模是这种行为的唯一原因。在本文中，（），作者在三个数据集上成功地用训练集大小为5816、5921和7038的BERT大数据集进行了实验。