feature-based 和 fine-tune是NLP方向使用预训练模型时常用的两种方式，所以简单总结下。
Feature-based
Feature-based指在使用时，并不直接使用模型本身，而是利用模型产生的结果，即LM embedding，通过预训练的模型处理数据得到额外的特征，引入到要训练的模型中。
例如，在文本分类、序列标注等任务中，对输入的词进行编码得到词的embedding时，
对于静态词向量（word2vec, glove）就是使用查表的方式，每个词根据word2vec或者glove甚至是最原始的one-hot方式，得到的静态词向量，一个词对应一个200或者300维的向量表示，在下游任务中继续更新。所以说其实word2vec就是最原始的预训练语言模型，先用一批数据训练得到一批词的静态词向量。
而动态词向量（elmo和bert）也是一样，可以直接拿下游训练的数据，输入训练好的编码器encoder，然后得到每个词的embedding，也可以拿某层的hidden state输出当做额外的特征，引入到要训练的模型中，在下游任务中只训练这些输出的线性组合（w1 * h1 + w2 * h2 + w3 * h3 …）中的w，而h是不变的。
这样的做法一个明显的缺点就是占用存储太大了，毕竟要把所有的特征都保存一下。
- 静态词向量指训练以后，不发生改变了，也就是一个词只能唯一确定的向量和它对应，无法解决一词多义问题
- 动态词向量指同一个词的embedding会因为不同的上下文而发生变化
feature-based方法包括两步：
- 首先在大的语料A上无监督地训练语言模型，训练完毕得到语言模型
- 然后构造task-specific model例如序列标注模型，采用有标记的语料B来有监督地训练task-sepcific model，将语言模型的参数固定，语料B的训练数据经过语言模型得到LM embedding，作为task-specific model的额外特征
fine-tune
Fine-tune 方法会根据下游特定的任务，在原来的模型上面进行一些修改，使得最后输出是当前任务需要的，然后在新的语料上重新训练来进行fine-tune。这些修改一般是在模型的最后一层，或者在现有的网络后添加一个网络结构用于匹配下游的各种任务。
GPT1 GPT2 就采用了Fine-tune 方法，GPT3得益于海量的与训练样本和庞大的网络参数，不在需要 fine-tune过程；
BERT论文采用了LM + fine-tuning的方法，同时也讨论了BERT + task-specific model的方法，例如情感分析任务，将数据输入bert模型，将最后的输出取得第一个token的输出，传入一个softmax层，得到一个分类的结果，所以其实就是在最后加了一层softmax。
但是这种方式的话很明显占用资源更大，因为要重新训练，实现的时候又会有各种各样的问题，所以还是需要实践来完善。
fine-tune分为两个步骤：
- 构造语言模型，采用大的语料A来训练语言模型
- 在语言模型基础上增加少量神经网络层来完成specific task例如序列标注、分类等，然后采用有标记的语料B来有监督地训练模型，这个过程中语言模型的参数并不固定，依然是trainable variables.
使用BERT应用于不同的下游任务例子，具体的如下：
- 对于情感分析等单句分类任务，可以直接输入单个句子（不需要[SEP]分隔双句），将[CLS]的输出直接输入到分类器进行分类
-
对于句子对任务（句子关系判断任务），需要用[SEP]分隔两个句子输入到模型中，然后同样仅须将[CLS]的输出送到分类器进行分类
-
对于问答任务，将问题与答案拼接输入到BERT模型中，然后将答案位置的输出向量进行二分类并在句子方向上进行softmax（只需预测开始和结束位置即可）
-
对于命名实体识别任务，对每个位置的输出进行分类即可，如果将每个位置的输出作为特征输入到CRF将取得更好的效果。
-
对于常规分类任务中，需要在 Transformer 的输出之上加一个分类层.
参考资料：
feature-based 和 fine-tune
#深入理解# NLP 中的 Feature-based 和 Fine-tune 两种学习方法
论文解读:BERT模型及fine-tuning