# Google 提出了一种新型的文本生成模型 LaserTagger #
目前，在序列到序列（ seq2seq ）的自然语言生成任务中，主流预训练模型仍然面临一些重大缺陷，例如：生成输出与输入文本之间长度匹配问题、需要大量训练数据才能实现较高性能、推断速度慢等。
因此，Google 提出了一种新型的文本生成模型 LaserTagger，该模型旨在解决 seq2seq 模型运行过程中的上述缺陷，可以预测将将源文本转换为目标文本的一系列生成操作。Google 发布了相关文章介绍了这一开源文本生成模型。由于该模型的速度快、精度高，因此该模型名为 LaserTagger。
该模型的核心思想在于：不从头开始⽣成输出⽂本，⽽是通过使⽤预测的编辑操作标注单词来⽣成输出；然后在单独的实现步骤中将这些单词应⽤于输⼊单词。这是处理⽂本⽣成的⼀种不太容易出错的⽅法，而且它可以通过更易于训练和更快执⾏的模型架构来处理文本。
Google 提出了一种新型的文本生成模型 LaserTagger
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69946223/viewspace-2676827/ ，如需转载，请注明出处，否则将追究法律责任。
请登录后发表评论
登录
全部评论
