# Google 提出了一種新型的文字生成模型 LaserTagger #

目前，在序列到序列（ seq2seq ）的自然語言生成任務中，主流預訓練模型仍然面臨一些重大缺陷，例如：生成輸出與輸入文字之間長度匹配問題、需要大量訓練資料才能實現較高效能、推斷速度慢等。

因此，Google 提出了一種新型的文字生成模型 LaserTagger，該模型旨在解決 seq2seq 模型執行過程中的上述缺陷，可以預測將將源文字轉換為目標文字的一系列生成操作。Google 釋出了相關文章介紹了這一開源文字生成模型。由於該模型的速度快、精度高，因此該模型名為 LaserTagger。

該模型的核心思想在於：不從頭開始⽣成輸出⽂本，⽽是透過使⽤預測的編輯操作標註單詞來⽣成輸出；然後在單獨的實現步驟中將這些單詞應⽤於輸⼊單詞。這是處理⽂本⽣成的⼀種不太容易出錯的⽅法，而且它可以透過更易於訓練和更快執⾏的模型架構來處理文字。

Google 提出了一種新型的文字生成模型 LaserTagger

2020-02-22 14:02:26