- 这是篇LLM论文，用decoder-like的LLM去提取embedding
- 文章认为，decoder-like的LLM在text embedding task表现不优的一大原因就是其casual attention mechanism，其实就是mask的问题。所以只要对现有的decoder-only LLM进行如下三步改进，就将pre-trained decoder-only LLM into a universal text encoder：
- 双向注意力，就是取消掉MSA的mask，用全1的mask 矩阵
- masked next token prediction (MNTP)，就是用类似BERT的预训练方式，给一个序列，挖掉中间某几个单词，让模型根据剩下的单词去预测这几个单词，但是些许不同的是，我要预测第i个单词并非使用第i个token的输出来算loss，而是用它前一个token的输出来算loss，也就是i-1.这就是next token。但是我感到奇怪的是，这样不是把模型变成encoder-like 了吗，那模型还能保持原来的性能吗。。
- unsupervised contrastive learning。即使用了上述两部，模型离embedding模型还差一点，因为模型还是在学word-level的特征，相比encoding模型在next sentence prediction任务上学sentence-level的特征，decoder模型缺乏这样的训练。用的是这样的训练方式，就是在random drop out掉一个句子的一些单词，同一个句子，drop out 两次，forward 两次，得到两个embedding，然后这两个embedding 作为positive sample算相似度，不同句子之间的作为negative sample算相似度。
- sentence embedding 的获得方式文章做了消融试验，一种是EOS pooling，一种是mean pooling，一种是weighted mean pooling，mean pooling效果比较好。weighted mean pooling用的是GPT sentence embeddings for semantic search这篇文章中的方法，EOS pooling就是直接用最后一个token作为从这个句子提取的embedding。也就是说，如果不特别设计提取embedding的方法，naive的使用EOS的token和对token进行average pooling这两种方法中，average pooling效果更好
