1.分词方法 BPE 和 WordPiece 的区别？
BPE 与 Wordpiece 都是首先初始化一个小词表，再根据一定准则将不同的子词合并。词表由小变大。BPE 与 Wordpiece 的最大区别在于，如何选择两个子词进行合并：BPE 选择频数最高的相邻子词合并，而 WordPiece 选择能够提升语言模型概率最大的相邻子词加入词表。
2. BERT 是怎么分词的？
BERT 主要是基于 Wordpiece 进行分词的，其思想是选择能够提升语言模型概率最大的相邻子词加入词表。
BERT 源码中 tokenization.py 就是预处理进行分词的程序，主要有两个分词器： BasicTokenizer 和 WordpieceTokenizer，另外一个 FullTokenizer 是这两个的结合：先进行 BasicTokenizer 得到一个分得比较粗的 token 列表，然后再对每个 token 进行一次 WordpieceTokenizer，得到最终的分词结果。
其中 BasicTokenizer 完成： 转 unicode )-> 去除空字符、替换字符、控制字符和空白字符等奇怪字符- > 中文分词 -> 空格分词 -> 小写、去掉变音符号、标点分词；WordpieceTokenizer 大致分词思路是按照从左到右的顺序，将一个词拆分成多个子词，每个子词尽可能长。按照源码中的说法，该方法称之为greedy longest-match-first algorithm，贪婪最长优先匹配算法。
对于中文来说，一句话概括：BERT 采取的是「分字」，即每一个汉字都切开。
3.介绍一下 Bert 以及三个下游任务
Bert 模型是一种自编码语言模型，其主要结构是 transformer 的 encoder 层，其主要包含两个训练阶段，预训练与 fine-tuning，其中预训练阶段的任务是 Masked Language Model(完形填空) 和Next Sentence Prediction。
下游任务：句子对分类任务，单句子分类任务，问答任务，单句子标注任务。
4.除了 Bert，其他预训练模型的拓展
RoBERTa 模型在 Bert 模型基础上的调整：
-
训练时间更长，Batch_size 更大，（Bert 256，RoBERTa 8K）
-
训练数据更多（Bert 16G，RoBERTa 160G）
-
移除了 NPL（next predict loss）
-
动态调整 Masking 机制
-
Token Encoding：使用基于 bytes-level 的 BPE
5 BERT 和 Roberta 的区别
RoBERTa 模型在 Bert 模型基础上的调整：
训练时间更长，Batch_size 更大，（Bert 256，RoBERTa 8K）
训练数据更多（Bert 16G，RoBERTa 160G）
移除了 NPL（next predict loss）
动态调整 Masking 机制
Token Encoding：使用基于 bytes-level 的 BPE
