Google的LaserTagger是一个开源文本编辑模型，专注于预测一系列编辑操作来改善文本生成，解决了传统序列到序列模型的训练数据需求大和执行速度慢的问题。与逐字生成相比，LaserTagger更高效且不易出错，适用于语法错误纠正、句子合并等任务。在多项文本生成任务中，LaserTagger表现优秀，速度比序列到序列模型快100倍，适合大规模应用。
序列到序列AI模型由Google于2014年推出，旨在将固定长度的输入（通常是文本）与固定长度输出映射，其中输入和输出的长度可能会有所不同。它们被用于文本生成任务，包括摘要，语法错误纠正和语句合并，并且最近的体系结构突破使它们相比以前能够发挥出更大的作用。
但是该模型本身并不完善，因为它们（1）需要大量的训练数据才能达到可接受的性能水平，（2）而且通常需要逐字生成输出（这会使它们固有地变慢）。这就是Google研究人员开发LaserTagger的原因，LaserTagger是一种开放源代码的文本编辑模型，该模型可以预测将源文本转换为目标文本的一系列编辑操作。研究人员宣称LaserTagger以一种不易出错的方式处理文本生成，并且更易于训练和执行。
github地址：https://github.com/google-research/lasertagger论文地址：https://arxiv.org/pdf/1909.01187.pdfLaserTagger的发布紧随Google在自然语言处理和理解领域做出的杰出贡献。上周，这家科技巨头推出了Meena聊天机器人模型。
Meena是一个具有26亿个参数的端到端训练的神经网络对话模型。根据Google的说法，Meena经过30天的训练，使用了2,048张量处理单元（Google专用的AI专用芯片），数据集为400亿个单词（不是随机的）。Google挖掘了公共领域的社交媒体，以进行“多回合对话”，其中“回合”指的是对话中的一对短语。
然而即使Google开源了Meen
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
