在modeling.py的1129行附近
#first_token_tensor = sequence_output[:, 0]
first_token_tensor, pool_index = torch.max(sequence_output, dim=1)

我调试看到sequence_output是一个[8,46,1034]维的tensor，为什么要用在1维上的max来处理它呢？这样会把不同token的第三维混合吧。
一般不是用cls来获得全句的语义信息吗？就像注释前的那样。

而且我按照目前的代码复现了，效果非常棒，就让我更想不通了，不用cls为什么可以有这么优秀的效果。
谢谢作者!