一文看懂！百度对话系统PLATO家族

9fc148855d507233de500d363b1b46d0.png

作者 | 高斯定理 

欢迎关注知乎"高斯定理"和他的专栏专栏"边走边看"

整理 | NewBeeNLP

前段时间有读者留言『怎么看最近的platoxl』，那么就 安！排！

0de21ce52a34f18ce0b8168c4adead15.png

PLATO是百度Siqi Bao等人在2020年-2021年针对NLP对话领域提出的一系列预训练模型，具体包括PLATO，PLATO-2，PLATO-XL，前两篇分别发表在ACL2020和ACL-IJCNLP2021，PLATO-XL则是今年9月在arxiv上预印。

大规模预训练模型BERT、XLNet等在大量的广泛语料上训练，在下游任务上取得了突破性的进展，其证明了预训练—微调框架的有效性。

但是在对话系统上，由于对话语料不同于常规语料，缺少这样大规模的预训练模型。因此PLATO系列利用了大规模的对话语料，对对话系统进行训练，从PLATO到PLATO-XL，用的数据越来越多，模型大小也越来越大。之前开放PLATO的微信体验机器人，也着实让它又火了一遍。

那么本文就来梳理下PLATO家族，具体涉及到的文章链接如下：

  • PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variable[1]

  • PLATO-2: Towards Building an Open-Domain Chatbot via Curriculum Learning[2]

  • PLATO-XL: Exploring the Large-scale Pre-training of Dialogue Generation[3]

PLATO系列也在github上开源了，只不过用的是paddlepaddle

  • https://github.com/sserdoubleh/Research/tree/master/NLP/Dialogue-PLATO

  • https://github.com/PaddlePaddle/Knover/tree/develop/projects/PLATO-2

PS：我始终没找到为什么这个模型叫PLATO，因为它说话像哲学家？

PLATO家族概览

想了一下，先把三个模型的概览给放在这儿，让大家看起来更方便一些：M=10^6, B=10^9

模型 语言 模型大小 语料量
PLATO 英文 132M 8.3M
PLATO-2 英文 1.6B 684M
PLATO-2 中文 1.6B 1.2B
PLATO-XL 英文 11B 811M
PLATO-XL 中文 11B 1.2B

一、PLATO

三个动机与对应方案：

对话文本和广义文本的不同

一方面用BERT进行初始化；另一方面，没啥好说的，利用了大量Reddit和Twitter的数据，来做对话的文本，进行第二次的训练

对话文本理解的模式

对方的文本是完全可见的（可以用双向模型建模），要回答的文本时单向生成的（用单向模型建模）。因此采用了Unified Language Model的形式，具体如下图中的Seq-to-Seq LM：

e5b10870ca254f2742c10d7dabe70fe1.png

即seg1能看见seg1的所有，不能看见seg2；seg2能看见seg1的所有，能单向看见自己的历史。这样做就能完全利用对方的文本，并单向生成自己的文本。

PS：有兴趣的小伙伴可以参考unified LM原文

  • Unified Language Model Pre-training for Natural Language Understanding and Generation[4]

一对多映射

对话本来就没有标准的回答，需要个性化。如果不进行个性化的后果是，回答没有任何信息量，让人没有交谈的兴趣。这个我的理解是不个性化，网络学到的就是一种平均的表达，他把不同人都会表达的意思表达了，但是十分无聊。

一对多映射也是作者本文的重点。作者首先指明对话中的三要素：对话内容（dialogue context）、回应（response）和隐变量。其中隐变量建模成一个K维的类别向量。这三要素之间是什么关系呢，下面这张图做了说明：

1e7708c3286a8f2fadf621dae17756ec.png

对话内容和回应能够反映隐变量，对话内容和隐变量能够决定生成的回应。这就像讲相声，郭德纲先说了一段，要是你听到后一段的内容，根据风格就能猜出这搭档是谁，要是你知道搭档是谁，那也能做好心理准备接下来的内容是什么风格。所以啊，这又是一个鸡生蛋蛋生鸡的故事。针对这种问题，其实也没什么好的解决方案，作者采用的方法就是在一个batch上跑3遍（OMG！），如下图

c03526c2152ca44b0cf4757fefa6b6e0.png

第一遍用正确的回答生成隐变量的概率（图片右下角）；

第二遍随机采样一个非本对话内容的回答，和第一遍的比较去训练一个回答比较器（RS）（图片右下角），让其发现第一遍的回答优于第二遍，损失函数为基于交叉熵的损失；

第三遍再用隐变量的概率采样得到隐变量让后生成回答，与原回答比较计算基于自回归的损失函数NLL和非自回归损失函数BOW。

＜

作者在8张V100上训练了3.5M步（一般实验室还支撑的起）。

在推断时，对每一个隐表达进行推断，然后用回答比较器判断哪一个回答最优。

模型输入

额外提一嘴模型的输入包括

  1. Token embedding：BPE高维表达

  2. 位置编码：基于attention模型的常规操作了

  3. 角色embedding：response为用户A，进行用户A和B的轮流对话

  4. 轮数embedding：response序号为0，每进行一次交替-1

在我看来角色embedding和轮数embedding有点像，作者也在不断调整，PLATO-XL输入就发生了相应的变化。

实验结果

作者分别在三个下游数据集上进行了finetune并测试。这三个数据集分别为

  1. Persona-Chat：个性化对话，额外包括用户的信息

  2. Daily Dialog：人类日常对话

  3. DSTC7-AVSD：视频问答，作者只用了文本模态

实验结果如下图所示

54c57d3715ce11380295103783c68e55.png

提一个我观察到的比较有趣的现象。不使用隐变量（Our w/o Latent）其实在BLEU上表现更好（也就是与“正确”回答更像），但是多样性也差很多（Distinct-1/2）。这样看来，用隐变量的方法达到了目标，回答更加有个性了，但是也牺牲了BLUE的性能。

二、PLATO-2

动机与方案

PLATO-2相比于PLATO主要想解决的问题是在更大规模的预料上（684M vs. 8M）训练更大规模的网络（作者分别整了1.6B、314M、93M vs 132M的模型）。

值得注意的是PLATO中作者是用BERT进行模型初始化的，而这篇文章没有提及，我默认他是从头开始训练（看了一下代码，应该确实没有）。没有采用BERT进行初始化+更大的模型增大了模型训练的难度。因此作者采用了课程学习的思路（Curriculum Learning），先不采用隐变量，进行one-to-one的粗训练，然后再接上隐变量进行精细化训练，第二阶段的训练方法基本和PLATO一致。

8d837cd4dcffc96f8b42b9120be6b68e.png

实验结果

主要的实验结果在下面两张表格中

5feb6b69004effeac99404f5a07aed50.png

这里作者采用了人工打分（Human Evaluation）和自动多样性打分（Distinct-1/2）。表格1的self-chat是自己和自己对话，结果主要有三件事：

  • 模型越大，效果越好

  • 相同大小的PLATO，因为课程学习也会越好

  • 相同大小的模型，因为PLATO-2采用了隐变量会更好

表格2中自动多样性打分劣于小冰的原因作者解释为：小冰可以进行检索得到更多丰富的内容。

作者参加了DSTC9这个比赛（2021年），在三个赛道上都取得了第一名的成绩。

实验分析

作者在这里额外对回答选择模块（response selection）进行了对比实验，结果如下图

d79621a358092d5fff3e1f15d631faa2.png

表格中三行的结果分别是前向、后向和选择打分相比于人工打分的不同准确率，可以看到选择打分的优势十分明显。

三、PLATO-XL

动机与方案

PLATO-XL相比于PLATO-2，数据更多（811M vs. 684M），模型更大（11B vs. 1.6B）。作者在这篇文章里返璞归真，抛弃了之前的隐变量和课程学习的方法，直接训练。只不过在训练时加入了Multi-Party Aware Pre-training。

如果大家还有印象的话，在PLATO中，除了token embedding和positional embedding，作者还采用了role embedding（角色表达）和turn embedding（轮数表达）。

而Multi-Party Aware Pre-training中的Role embedding可不像PLATO中只有A和B，因为从Reddit上爬取的数据不可避免地会存在多个用户对同一个对话地回应。

778744c70774c251ed2ed85345d10eb6.png

如上图右所示，Role embedding让response编码成角色A，从右到左地新角色依次为B、C、D。Type embedding则是对context和response进行了编码。

实验结果

结果上依然和之前的PLATO-2进行了对比，

d8e88a9114112267b109ac76293826a6.png

看来隐变量这些方法在大规模数据上也被超越了（笑。而且作者和商业引擎进行了对比，

68b60902b354848a49b0064a871897db.png

这个才是最强的地方。分数时0-2分，可以看到很多指标要么接近于2，要么就接近于0了。作者在一些下游任务上也finetune后测试，也是取得了SOTA的结果。

四、总结

三个模型各自的亮点：

  • PLATO：采用unified language modeling，通过离散隐分布（Discrete Latent Variable），预测回答和隐行为（latent act）

  • PLATO-2：利用课程学习，在大规模数据上训练

  • PLATO-XL：返璞归真，在输入采用多角色embedding（Multi-Party Aware Pre-training）

66801eba5cd57743ca86ddcd9ea32843.png

码字不易，欢迎点赞、收藏与交流探讨~

本文参考资料

[1]

PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variabl: https://aclanthology.org/2020.acl-main.9.pdf

[2]

PLATO-2: Towards Building an Open-Domain Chatbot via Curriculum Learning: https://aclanthology.org/2021.findings-acl.222.pdf

[3]

PLATO-XL: Exploring the Large-scale Pre-training of Dialogue Generation: https://arxiv.org/pdf/2109.09519.pdf

[4]

Unified Language Model Pre-training for Natural Language Understanding and Generation: https://arxiv.org/pdf/1905.03197.pdf

– END –

593e3eee7d6579304b2d75a4057a63f2.png

eb00035f7adeb12b27e42af22cd668d1.png

高效深度学习：让模型更小、更快、更好！

2021-11-03

b23b9a108d08302f196915e8e7d60af1.png

深度学习基础 | 超详细逐步图解 Transformer

2021-11-02

31f876dad4cbb6f8bd21c4c9c6bfcaa5.png

如何看待EMNLP2021 best paper?   邱锡鹏教授：以为走错会场了

2021-11-01

ec5113f826d0529fe58a3763eda6a6ee.png

NLP 语义匹配：业务场景、数据集及比赛

2021-10-29

0f226dc984eb43d7ef809cc9ebab67e7.png

a55aaea0d2b6efb5c5cc1e23465dd4e2.gif

Published by

风君子

独自遨游何稽首 揭天掀地慰生平

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注