酷应用

刷新50多个NLP任务基准，并登顶SuperGLUE全球榜首，百度ERNIE 3.0知识增强大模型显威力

百家作者：机器之心 2021-07-06 19:23:32

机器之心发布

机器之心编辑部

百度 ERNIE 3.0 不仅一举刷新 54 个中文 NLP 任务基准，而且进一步挖掘大规模预训练模型的潜力，首次在百亿级预训练模型中引入大规模知识图谱。

近日，百度 ERNIE 升级到 3.0，重磅发布知识增强的百亿参数大模型。该模型除了从海量文本数据中学习词汇、结构、语义等知识外，还从大规模知识图谱中学习。

ERNIE 3.0 一举刷新 54 个中文 NLP 任务基准，其英文模型在国际权威的复杂语言理解任务评测 SuperGLUE 上，以超越人类水平 0.8 个百分点的成绩登顶全球榜首。ERNIE 3.0 同时具备超强语言理解能力以及写小说、歌词、诗歌、对联等文学创作能力。

目前 ERNIE 3.0 已在百度文心官网开放，用户可体验 ERNIE 3.0 创作的不同形式的内容，实现更多有创意、有价值的应用。

论文链接：https://arxiv.org/pdf/2107.02137.pdf
Demo 链接：https://wenxin.baidu.com/wenxin/ernie

ERNIE 3.0 知识增强大模型：百亿级预训练中首次引入大规模知识

近一年来，以 GPT-3、Switch-Transformer 为代表的大规模预训练模型，带来了人工智能领域新的突破，由于其强大的通用性和卓越的迁移能力，掀起了预训练模型往大规模参数化发展的浪潮。然而，现有的大规模预训练模型，主要依赖纯文本学习，缺乏大规模知识指导学习，模型能力存在局限。

ERNIE 3.0 的研究者进一步挖掘大规模预训练模型的潜力，基于深度学习平台飞桨的分布式训练技术优势，首次在百亿级预训练模型中引入大规模知识图谱，提出了海量无监督文本与大规模知识图谱的平行预训练方法（Universal Knowledge-Text Prediction）。通过将大规模知识图谱的实体关系与大规模文本数据同时输入到预训练模型中进行联合掩码训练，促进了结构化知识和无结构文本之间的信息共享，大幅提升了模型对于知识的记忆和推理能力。

ERNIE 3.0 中的文本与知识平行预训练。

ERNIE 3.0 统一预训练框架：同时具备语言理解和语言生成能力

百度研究者提出了将通用语义表示与任务语义表示相结合的模型框架，该框架融合自编码和自回归等不同的任务语义表示网络，既可同时处理语言理解和语言生成任务，还能做无标注数据的零样本学习（Zero-shot Learning）和有标注数据的微调训练（Fine-tuning）。此外，ERNIE 3.0 在持续学习框架的基础上，增加了任务语义表示网络，加速模型进化。

ERNIE 3.0 框架。

ERNIE3.0 框架分为两层。第一层是通用语义表示网络，该网络学习数据中的基础和通用的知识。第二层是任务语义表示网络，该网络基于通用语义表示，学习任务相关的知识。不同任务语义表示网络可通过自编码结构或者自回归结构实现，并通过底层共享实现交互和增强。在学习过程中，任务语义表示网络只学习对应类别的预训练任务，而通用语义表示网络会学习所有的预训练任务。

ERNIE 3.0 效果：一举刷新 54 个中文 NLP 任务基准

百度研究者在 54 个中文自然语言处理公开数据集，包含情感分析、观点抽取、阅读理解、文本摘要、对话生成、数学运算等任务上，全面验证评估了 ERNIE 3.0 的效果和通用能力。ERNIE 3.0 均取得了当前最好效果，其中，在 20 多个不同类型的自然语言处理任务上取得了 3 % 以上的显著提升。