2021-04-19

博人眼球的270亿究竟是啥？没有具体介绍

• 体验了一下，可能是打开方式不对，总感觉没那么带感，测试截图如下：
• 背景：今日，阿里巴巴达摩院发布中文社区最大规模预训练语言模型PLUG，其参数规模达270亿。近期将开源阿里巴巴深度语言模型体系大部分重要模型。PLUG全名为Pre-training for Language Understanding and Generation，集语言理解与生成能力于一身，在小说创作、诗歌生成、智能问答等长文本生成领域表现突出。
  1、网站：https://nlp.aliyun.com/portal#/BigText_chinese
  下午2点左右点击3次都超时，试用还挺火爆
  
  image.png
  
  晚上11点再测了一下，感觉结果生硬，关键字搜索结果凑的
  
  image.png
  
  阿里响应还挺快，下午还没有红字提醒访问量大的问题，晚上就有提醒

2、情感偏向，不怎么准

image.png

3、行业的词汇待添加，目前电商用语较完整
分词的行业词汇还没有添加，估计只对电商的词分的比较准

image.png

4、词性标注也有问题，1季度居然是其他名词，不识别
同一个时间，自己分词为年，居然有中文的不识别为时间

image.png

image.png

5、中心词提取更诡异

image.png

6、文本纠错逗到不行

image.png

• 我感觉离真正能够使用还有很久

• 当然，现在80%的概率认为ok,不能苛刻要求全对，但重要的就是那20%,总之，中文的识别分析自动化目前还有提高空间

• 我在想：
  是否是因为阿里这么多文本，不是标准的高质量的文本，再多也不够 ？
  难道学习方向上应该按标准的字词句篇组成形式来学习？
  现在是按实际使用的文本来学习概率，因为没有标准，参差不齐？
  还是说本来厉害的标准用语的使用人群没那么多时间逛淘宝，喜欢长时间刷淘宝的可能用语都比较随意？
  用比较随意的语言文本，再多，会不会也很难做标准的高雅的拿得出手的创作（小说创作、诗歌生成毕竟还是有审美门槛的）？

它山之石可以攻玉
我就想问：
这个中文最大规模预训练模型之于我们，可不可用？什么场景使用？怎么使用？