样本回归模型的形式
智东西（公众号：zhidxcom）
作者 | ZeR0
编辑 | 漠影
大规模中文语言模型，又迎来了新玩家。
近日，微信AI推出百亿级参数规模的自研NLP大规模语言模型WeLM，能在零样本及少样本的情境下完成对话-采访、阅读理解、翻译、改写、续写、多语言阅读理解等NLP（自然语言处理）任务，具备记忆能力、自我纠正和检查能力。
目前，WeLM已部署应用于微信视频号的部分场景中，未来在进一步优化后还将应用于更多微信应用场景。
一、极强知识储备，在14项中文NLP任务中表现超同类WeLM可在零样本及少样本的情境下，完成多类NLP任务。以文本风格转换（改写）为例，尽管用户给出的5个例子和最后需要生成的例子并没有重合的风格转换类型，但WeLM拥有出色的举一反三能力，通过学习少量的文本转换例子，即可达到对任意类型的文本转换。
该模型还具有尺寸合理的优势，在与业界同级别的CPM、华为Pangu和百度Ernie3.0的对比测试中，WeLM表现出极强的知识储备。
在14项中文NLP任务上，WeLM的整体表现超出了所有同大小的模型，甚至能够匹配比它大25倍的模型。同时，在强大的中文理解和生成能力外，WeLM还有出色的多语言理解能力，用户的输入可以在跨多语言（中日英）丝滑切换。
从“微信AI推出のWeLM是一个language model thatいろいろなtaskをperformができる”这句混合中日英三国语言文本的翻译结果来看，WeLM的翻译相较Google翻译更为精准。
在进一步微调后，WeLM可以拥有更好的零样本学习能力，根据场景拥有更好的表现。
二、自回归模型路线，全量数据10TBWeLM的相关技术论文《WeLM: A Well-Read Pre-trained Language Model for Chinese》已发布于论文预印本网站arXiv。
论文链接：https://arxiv.org/abs/2209.10372
据介绍，在纯Encoder(Bert)、纯Decoder(GPT) 以及Encoder-Decode(T5) 结构等主流NLP模型路径的选择上，WeLM和GPT3、Google PaLM一样，选择了自回归模型的路线。
同时，考虑到不同的用户对于模型效果和推理延迟会有考量或者取舍（trade-off），微信AI的WeLM训练了1.3B、2.7B以及10B三个版本的模型，满足不同用户的调用需求。
同时，在训练数据上，微信AI团队希望构建一个足够丰富、足够干净、足够公平的数据集，为此研究团队从Common Crawl下载了近两年的中文网页数据，和大量的书籍、新闻。
为了增强专业能力，微信AI团队还在数据集补充了知识密集的论坛数据和一些学术论文，搜集完成后的全量数据10TB，其中包含了750G的英文数据，并保留了部分日韩文。
随后，通过规则过滤和额外训练的二分类fasttext模型，以及对测评相关数据的去除，数据集最终处理完的数据量为262B tokens。
为了更好的平衡各个数据源的比重，微信AI团队也对数据进行不同比重的采样，最终，整体数据集的Topic分布相比Common Crawl更加平滑。
结语：落地且实用才是硬道理为了推动WeLM落地应用，微信AI团队还发布了一个供用户体验的交互式网页PlayGround，并开放了用于访问WeLM的API接口。用户可通过调整配置以实现更贴近的文本生成效果。
体验申请API接口：https://welm.weixin.qq.com/docs/
除了通过交互式网页PlayGround进行体验外，想开发者也可以通过https://welm.weixin.qq.com/docs/api/填写问卷获得WeLM的API Token并调用相应接口，将WeLM部署在自己的应用上。
未来，微信AI还将针对WeLM进行进一步的微调优化，进一步提升其在新任务上的泛化效果，并吸取更多开发者、用户的意见和建议，将该模型早日打磨成为真正能落地且实用的工具。
","force_purephv":"0","gnid":"93c8d9f04c0d95955","img_data":[{"flag":2,"img":[{"desc":"","height":"340","title":"","url":"https://p0.ssl.img.360kuai.com/t01bc8e3f5c74322bc3.jpg","width":"800"},{"desc":"","height":"1043","title":"","url":"https://p0.ssl.img.360kuai.com/t012e823e47c5cd3647.jpg","width":"800"},{"desc":"","height":"232","title":"","url":"https://p0.ssl.img.360kuai.com/t01fe978046c13a4125.jpg","width":"800"},{"desc":"","height":"505","title":"","url":"https://p0.ssl.img.360kuai.com/t0186880a7e13b96a22.jpg","width":"800"},{"desc":"","height":"230","title":"","url":"https://p0.ssl.img.360kuai.com/t0106ca4f3ceade19fc.jpg","width":"800"},{"desc":"","height":"641","title":"","url":"https://p0.ssl.img.360kuai.com/t013549b0e1bc041432.jpg","width":"800"},{"desc":"","height":"392","title":"","url":"https://p0.ssl.img.360kuai.com/t01eab6aac70dc2a42a.jpg","width":"800"}]}],"original":0,"pat":"art_src_3,fts0,sts0","powerby":"hbase","pub_time":1665715920000,"pure":"","rawurl":"http://zm.news.so.com/a386439bbcf702f4cacdddf85ba81daa","redirect":0,"rptid":"b982c3e5c93b9e13","s":"t","src":"智东西","tag":[{"clk":"ktechnology_1:nlp","k":"nlp","u":""}],"title":"AI大模型落地微信视频号！少样本搞定高质量翻译，擅长多语言理解
何义妮2743计量经济学考试重点 -
古态路18642001064 ______ 1、费里希(R.Frish)是经济计量学的主要开拓者和奠基人. 2、经济计量学与数理经济学和树立统计学的区别的关键之点是“经济变量关系的随机性特征”. 3、经济计量学识以数理经济学和树立统计学为理论基础和方法论基础的交叉科学....
何义妮2743什么是总体回归函数和样本回归函数?它们之间的区别是什么 -
古态路18642001064 ______ 样本回归函数与总体回归函数的联系: (1)样本回归函数的函数形式应与设定的总体回归函数的函数形式保持一致; (2)样本回归函数的回归系数是对总体回归函数参数的估计; (3)样本回归函数的因变量估计值是总体回归函数因变量估...