百度发布PLATO-XL，全球首个百亿参数中英文对话预训练生成模型

最新推荐文章于 2023-08-01 03:00:00 发布

zenRRan

最新推荐文章于 2023-08-01 03:00:00 发布

阅读量310

点赞数

文章标签：百度大数据机器学习人工智能深度学习

原文链接：https://mp.weixin.qq.com/s?__biz=MzI3ODgwODA2MA==&mid=2247505894&idx=1&sn=4d18ffc3b68bfea915757002bc8f02ba&chksm=eb53c375dc244a63ae6910992cbc3346fad14f20774d0cead917e63fbaaea0dd2c4e6e2104e6&scene=126&&sessionid=0

版权

【导读】和 AI 进行无障碍的对话，是什么样的体验？你或许能够在这篇文章里找到答案！

近日，百度全新发布 PLATO-XL，参数达到了 110 亿，超过之前最大的对话模型 Blender ，是当前最大规模的中英文对话模型，并再次刷新了开放域对话效果。

很难相信，以上是 AI 与人交流的真实对话记录。近日，百度发布新一代对话生成模型 PLATO-XL，一举超过 Facebook Blender、谷歌 Meena 和微软 DialoGPT，成为全球首个百亿参数中英文对话预训练模型，再次刷新了开放域对话效果，打开了对话模型的想象空间。

尽管大规模参数的模型在自然语言处理领域如雨后春笋出现，并且在多个自然语言理解和生成任务上取得了很多成果，但多轮开放域对话的主动性和常识性问题一直无法很好解决。

百度 NLP 于 2019 年 10 月预发布了通用领域的对话生成预训练模型 PLATO，在 ACL 2020 正式展示。2020 年升级为超大规模模型 PLATO-2，参数规模扩大到 16 亿，涵盖中英文版本，可就开放域话题深度畅聊。

如今，百度全新发布 PLATO-XL，参数规模首次突破百亿达到 110 亿，是当前最大规模的中英文对话生成模型。

论文名称 : PLATO-XL: Exploring the Large-scale Pre-training of Dialogue Generation
论文地址：https://arxiv.org/abs/2109.09519

PLATO-XL：百亿参数对话预训练生成模型

让机器进行像人一样有逻辑、有知识、有情感的对话，一直是人机智能交互的重要技术挑战；另一方面，开放域对话能力是实现机器人情感陪伴、智能陪护、智能助理的核心，被寄予了很高的期望。

预训练技术大幅提升了模型对大规模无标注数据的学习能力，如何更高效、充分的利用大规模数据提升开放域对话能力，成为主流的研究方向。

从谷歌 Meena、Facebook Blender 到百度 PLATO，开放域对话效果不断提升。在全球对话技术顶级比赛 DSTC-9 上，百度 PLATO-2 创造了一个基础模型取得 5 项不同对话任务第一的历史性成绩。

如今，百度发布 PLATO-XL，参数达到了 110 亿，超过之前最大的对话模型 Blender（最高 94 亿参数），是当前最大规模的中英文对话生成模型，并再次刷新了开放域对话效果。

百度 PLATO 一直有其独特的从数据到模型结构到训练方式上的创新。PLATO-1， PLATO-2 不仅刷新了开放域对话效果，也具有非常好的参数性价比，即在同等参数规模下效果超越其他模型。PLATO-XL 在参数规模达到新高的同时，其对话效果也不出意外地再次达到新高。下面，我们将展开介绍 PLATO-XL 模型的核心技术特点。

PLATO-XL 模型：更高参数性价比，大幅提升训练效果

PLATO-XL 网络架构上承袭了 PLATO unified transformer 结构，可同时进行对话理解和回复生成的联合建模，参数性价比很高。通过灵活的注意力机制，模型对上文进行了双向编码，充分利用和理解上文信息；对回复进行了单向解码，适应回复生成的 auto-regressive 特性。此外，unified transformer 结构在对话上训练效率很高，这是由于对话样本长短不一，训练过程中 padding 补齐会带来大量的无效计算，unified transformer 可以对输入样本进行有效的排序，大幅提升训练效率。

为了进一步改善对话模型有时候自相矛盾的问题，PLATO-XL 引入了多角色感知的输入表示，以提升多轮对话上的一致性。对话模型所用的预训练语料大多是社交媒体对话，通常有多个用户参与，表述和交流一些观点和内容。在训练时，模型较难区分对话上文中不同角度的观点和信息，容易产生一些自相矛盾的回复。针对社交媒体对话多方参与的特点，PLATO-XL 进行了多角色感知的预训练，对多轮对话中的各个角色进行清晰区分，辅助模型生成更加连贯、一致的回复。

PLATO-XL 包括中英文 2 个对话模型，预训练语料规模达到千亿级 token，模型规模高达 110 亿参数。PLATO-XL 也是完全基于百度自主研发的飞桨深度学习平台，利用了飞桨 FleetX 库的并行能力，使用了包括 recompute、sharded data parallelism 等策略，基于高性能 GPU 集群进行了训练。

PLATO-XL 效果：多种类型、多种任务，对话效果全面领先

为了全面评估模型能力，PLATO-XL 与当前开源的中英文对话模型进行了对比，评估中采用了两个模型针对开放域进行相互对话（self-chat）的形式，然后再通过人工来评估效果。PLATO-XL 与 Facebook Blender、微软 DialoGPT、清华 EVA 模型相比，取得了更优异的效果，也进一步超越了之前 PLATO-2 取得的最好成绩。此外，PLATO-XL 也显著超越了目前主流的商用聊天机器人。