近日，OPPO小布助手團(tuán)隊(duì)和機(jī)器學(xué)習(xí)部聯(lián)合完成了十億參數(shù)模型“OBERT”的預(yù)訓(xùn)練，業(yè)務(wù)上取得了4％以上的提升；在行業(yè)對(duì)比評(píng)測(cè)中，OBERT躍居中文語(yǔ)言理解測(cè)評(píng)基準(zhǔn)CLUE1．1總榜第五名、大規(guī)模知識(shí)圖譜問答KgCLUE1．0排行榜第一名，在十億級(jí)模型上進(jìn)入第一梯隊(duì)，多項(xiàng)子任務(wù)得分與排前3名的百億參數(shù)模型效果非常接近，而參數(shù)量?jī)H為后者的十分之一，更有利于大規(guī)模工業(yè)化應(yīng)用。

CLUE1．1總榜，共9個(gè)子任務(wù)

KgCLUE1．0，知識(shí)圖譜問答榜

技術(shù)全自研，小布推動(dòng)十億級(jí)預(yù)訓(xùn)練大模型落地

大規(guī)模預(yù)訓(xùn)練模型的出現(xiàn)，為自然語(yǔ)言處理任務(wù)帶來了新的求解范式，也顯著地提升了各類NLP任務(wù)的基準(zhǔn)效果。自2020年，OPPO小布助手團(tuán)隊(duì)開始對(duì)預(yù)訓(xùn)練模型進(jìn)行探索和落地應(yīng)用，從“可大規(guī)模工業(yè)化”的角度出發(fā)，先后自研了一億、三億和十億參數(shù)量的預(yù)訓(xùn)練模型OBERT。

預(yù)訓(xùn)練模型開發(fā)＆應(yīng)用方案

得益于數(shù)據(jù)獲取的低成本性和語(yǔ)言模型強(qiáng)大的遷移能力，目前NLP預(yù)訓(xùn)練主流的任務(wù)是基于分布式假設(shè)的語(yǔ)言模型。在此，小布助手團(tuán)隊(duì)選擇了在下游自然語(yǔ)言理解類（NLU）任務(wù)上有更好效果的MLM，并采用課程學(xué)習(xí)作為主要預(yù)訓(xùn)練策略，由易到難循序漸進(jìn)，提高訓(xùn)練穩(wěn)定性。首先在一億級(jí)模型上驗(yàn)證了以上mask策略的有效性，其Zero－shot效果顯著優(yōu)于開源base級(jí)模型，下游應(yīng)用時(shí)也取得了收益，隨后將其應(yīng)用到十億級(jí)模型訓(xùn)練中。

ZeroCLUE榜單

值得一提的是，從開源工作實(shí)驗(yàn)結(jié)果來看，語(yǔ)料的數(shù)量和內(nèi)容多樣性越大，下游任務(wù)效果會(huì)隨之提升�；�于前期的探索和嘗試，十億級(jí)OBERT模型清洗和收集了1．6 TB級(jí)語(yǔ)料，通過5種mask機(jī)制從中學(xué)習(xí)語(yǔ)言知識(shí)，內(nèi)容包含百科、社區(qū)問答、新聞等，場(chǎng)景涉及意圖理解、多輪聊天、文本匹配等NLP任務(wù)。

加強(qiáng)應(yīng)用創(chuàng)新，小布持續(xù)深耕NLP技術(shù)

CLUE（中文語(yǔ)言理解評(píng)測(cè)集合）榜單是中文領(lǐng)域最具權(quán)威的自然語(yǔ)言理解榜單之一，開設(shè)了包括分類、文本相似度、閱讀理解、上下文推理等共10個(gè)子任務(wù)，旨在推動(dòng)NLP訓(xùn)練模型技術(shù)的不斷進(jìn)步和突破。

NLP（自然語(yǔ)言處理）技術(shù)被譽(yù)為人工智能皇冠上的明珠。作為人工智能認(rèn)知能力的核心，NLP是AI領(lǐng)域最具挑戰(zhàn)的賽道之一，其目的是使得計(jì)算機(jī)具備人類的聽、說、讀、寫等能力，并利用知識(shí)和常識(shí)進(jìn)行推理和決策。

小布助手發(fā)布于2019年，到2021年底，它已經(jīng)累計(jì)搭載2．5 億設(shè)備，月活用戶數(shù)突破1．3 億，月交互次數(shù)達(dá)20 億，成為國(guó)內(nèi)首個(gè)月活用戶數(shù)破億的手機(jī)語(yǔ)音助手，一躍成為國(guó)內(nèi)新一代智能助手的代表。

在NLP技術(shù)方面，小布助手經(jīng)歷了從規(guī)則引擎、簡(jiǎn)單模型到強(qiáng)深度學(xué)習(xí)，再到預(yù)訓(xùn)練模型幾個(gè)階段。歷經(jīng)3年的發(fā)展，小布助手在NLP技術(shù)領(lǐng)域已達(dá)到行業(yè)領(lǐng)先水平，此次OBERT位列CLUE 1．1總榜前五、KgCLUE 1．0排行榜榜首，便是小布助手技術(shù)沉淀與積累的最好力證。

登榜CLUE 1．1總榜并登頂KgCLUE 1．0排行榜，主要得益于三個(gè)方面：一是利用小布助手積累的海量數(shù)據(jù)，獲得口語(yǔ)化的語(yǔ)言數(shù)據(jù)，促進(jìn)算法模型對(duì)智能助手場(chǎng)景的語(yǔ)言有更好的理解；二是保持著開放的成長(zhǎng)型心態(tài)，跟進(jìn)學(xué)術(shù)界和工業(yè)界最新的進(jìn)展并加以實(shí)踐；三是堅(jiān)定地在最新預(yù)訓(xùn)練模型方向進(jìn)行投入，一點(diǎn)一點(diǎn)地去做技術(shù)積累，一次一次地探索落地應(yīng)用。

未來，小布助手團(tuán)隊(duì)會(huì)結(jié)合智能助手場(chǎng)景特點(diǎn)，持續(xù)優(yōu)化預(yù)訓(xùn)練技術(shù)，深耕NLP，利用模型輕量化等技術(shù)加速大模型落地，并持續(xù)探索AI與主動(dòng)情感的結(jié)合，讓智能更人性化，在萬(wàn)物互融的時(shí)代，助力推動(dòng)AI大放異彩，幫助AI潤(rùn)物細(xì)無(wú)聲地融入人們未來的數(shù)智生活。