图灵汇官网

所谓自然语言处理（NLP），实际上包含了众多不同的方面，例如广泛使用的机器翻译、各大公司竞相角逐的机器问答以及相对陌生的情感分析。

在NLP的不同分支领域，研究方法和模型通常存在显著差异。因此，一个机器翻译模型并不能直接应用于机器问答等其他任务。

基于此，NLP领域的领先企业Salesforce提出了一种创新思路：是否有可能开发出一种能够胜任多种NLP任务的通用模型？

为此，Salesforce创造了一个名为“自然语言十项全能”（decaNLP）的模型体系，旨在通过单一模型解决包括问答、机器翻译、文本摘要、自然语言推理、情感分析、语义角色标注、关系抽取、目标导向对话、语义分析和常识代词消解在内的十个关键任务。

这些任务组合起来被称为“自然语言十项全能”。Salesforce希望通过这种方式推动业界探索能够适应各种任务的通用模型，并对比这类模型与专门针对单一任务的模型之间的区别。

为了评估模型的表现，Salesforce引入了一个称为“decaScore”的评分系统，该系统综合了各个任务的评估标准，分数范围从1到1000。

然而，不同于传统做法，Salesforce并未提供独立的测试数据集，而是选择使用SQuAD平台进行测试。在decaNLP框架下，无论面对何种任务，都会将其转化为问答的形式来进行处理。这种方法的核心在于，无论是翻译、摘要生成还是其他任务，都将问题转化为一个带有上下文信息的问题。

例如，在翻译任务中，原句被当作上下文信息，问题则变成“这句话用另一种语言怎么说？”

Salesforce的这一模型被称为MQAN（多任务问答网络），它无需针对每个任务进行特殊调整，而是采用双向长短时记忆网络（BiLSTM）和双重共注意机制等技术来处理输入的问题和上下文信息，从而实现高效的多任务处理。

MQAN模型不依赖于特定任务的参数或结构，而是利用双向长短时记忆网络编码输入的问题和上下文信息，使用双重共注意机制确定序列间的交互方式，再通过多个双向长短时记忆网络压缩信息并捕捉长距离依赖关系，最终生成问题和上下文信息的最终输出。

如果您对这个模型感兴趣，可以访问Salesforce的官方网站获取更多详细信息，包括相关的论文和技术文档。

— 完 —

诚挚招聘

量子位现正招募市场运营实习生，主要职责包括参与线上线下活动的整体策划、制作相关宣传材料及管理社群等。工作地点位于北京中关村。

期待您的加入！如有兴趣，请将简历发送至：quxin@qbitai.com