一、概述

Motivation：直接提升PLATO的size训练不work

Methods：

1. 通过curriculum learning技术来构建一个高质量的开放领域机器人
2. 第一阶段：coarse-gained generation model：再简单的one-to-one框架下学习粗力度的回复生成模型
3. 第二阶段：精调的模型来提高多样性和选择best的回复

1. 1. latent variables：提高多样性
   2. evaluation model：选择最好的回复

Conclusion：

• 在中文以及英文数据集上，PLATO-2都获得了实质的提升
• 在人类评估指标上非常不错，计算指标上与小冰差一点，小冰可能是检索型的方法来实现的
• 在2020年DSTC9开放域，任务型，知识型对话任务上，都取得了第一名的成绩

二、大纲 

三、详细内容

• Introduction

  • ​预训练模型在开放域对话取得了不错的进展

  • 竞品

    • GPT-2，DialoGPT在Reddit comments数据上预训练

    • ​meena，参数量提升到2.6B + 跟多社交媒体数据 => 回复质量有很大的提升

    • ​Blender：通过在人工标注的数据集上fine-tune来降低toxic，bias，并且强调环境、知识、同理心和个性等理想的对话技能

    • ​PlATO v1: 132M 参数 + 8M samples，提升PLATO参数规模会有训练不稳定以及效率问题

  • ​本文：

    • ​尝试去提升PLATO的size，并且通过curriculum learning技术来提高训练效率。

    • ​第一阶段：粗粒度生成模型，具备生成典型的多样性的回复能力，也可能造成典型而沉闷的回复，可能会有安全问题，但是对通用生成的概念的学习还是非常有用的

      • ​latent variables + evaluation => 聚焦于特定的任务，

    • ​对比v1版本，通过课程学习来逐渐学习回复生成，先从one-to-one，然后做成one-to-many，并且将模型的参数提高到billions的量级

    • ​在闲聊，任务型对话，知识型对话都取得不错的效果，在DSTC9上做了验证

• Methodology

  • ​transformer结构 + pre-normalization，与seq2seq不同，没有独立的encoder和decoder网络

  • ​bi-directional上下文编码 + uni-directional 回复生成

• Experiments

  • ​training

    • ​训练是在64个Nvidia Tesla V100 32G GPU卡上进行的。1.6B参数模型完成课程学习过程大约需要3周时间。

    • ​1.2B (context, response) samples in the training set, 0.1M samples in the validation set, and 0.1M sam- ples in the test set

    • ​Chinese vocabulary, it contains 30K BPE tokens

    • ​standard version of 1.6B parameters, a small version of 314M parameters, and a tiny version of 93M parameters

  • ​Evaluation Metrics

    • ​automatic：​distinct-1/2：评估词的多样性，不同的gram的词/生成词的总数

    • ​human

      • ​utterance-level（话语层次）：

      • ​coherence：衡量是上下文的相关性和一致性

      • ​informativeness：衡量回复的信息量

      • ​dialogue-level（对话层次）：

      • engagingness：​是否想聊更长的对话

      • humanness：是否像人类​

      • ​[0,1,2]的分数，分数越高越好

      • 机器和自己对话结果

​

• ​选择经典的200个话题来作为topic

• ​小冰在distinct指标表现比较好，他可能用了检索的方式来做的

• ​PLATO-2在人工指标上比较好

• ​PLATO-2在DSTC9比赛的开放域对话、知识型对话以及任务型对话的任务上都拿到了第一名的成绩