说一个很novel的观点…… bn一般用在图像上，当我们对图片抽取特征后，会得到不同通道的特征，这些通道特征对batch内样本具有同样的含义。例如一个人有年龄，身高等特征。而nlp中，如果要进行bn，则是对不同句子的第i个token进行处理，举个例子"我爱你"和"牛客网"，其中的我和牛并没有相同的含义，所以解释不通。还有一个点就是你所说的每个句子长度不同，对于短句子我们需要pad，那么如果进行bn就需要将pad.和长句子中的token进行处理，这样也是不合理的。