12 月 30 日,他向各人先容了来自微软 DeBERTa 团队取得了显着希望,并在批评当中对 T5 模子举行简朴的评价。
12 月 31 日,Zirui Wang 的 T5 和 Meena 联合的模子总得分 90.0 分,以 0.1 分的上风击败了 DeBERTa 团队的组合模子占据榜首。0.1 的差距看起来很小,但究竟上,微软比 SuperGLUE 人类基线也之只多了 0.1 分。
SuperGLUE 是什么?
SuperGLUE 到底是什么呢?
SuperGLUE 是 Facebook 人工智能研究中央、Google DeepMind、华盛顿大学以及纽约大学在 2019 年 8 月共同推出的,用于权衡如今高性能语义明白 AI 的基准测试。它的前身是纽约大学、华盛顿大学和 Google DeepMInd 在 2018 年 4 月共同组建的基准测试 GLUE (General Language Understanding Evaluation) benchmark。
两个网站页面根本相似,他们的区别在于研究单元和评价指标差别。
SuperGLUE 的到场研究单元多了 Facebook 人工智能研究中央和三星研究院。
评价指标方面,GLUE 基准测试包罗了 9 个语句明白使命。分别是
单句使命(CoLA 语言可担当语料库;SST-2 斯坦福感情树库)
相似性和外派使命(MRPC 微软研究释义语料库;QQP Quora 问答;STS-B 语义文本相似性基准)
推理使命(MNLI 多体天然语言推理语料库;QNLI 斯坦福问答数据集;RTE 辨认笔墨蕴含;WNLI 威诺格拉德天然语言推理)
单句使命(CoLA 语言可担当语料库;SST-2 斯坦福感情树库)
相似性和外派使命(MRPC 微软研究释义语料库;QQP Quora 问答;STS-B 语义文本相似性基准)
推理使命(MNLI 多体天然语言推理语料库;QNLI 斯坦福问答数据集;RTE 辨认笔墨蕴含;WNLI 威诺格拉德天然语言推理)
在榜单当中, 由 GLUE 提供,现在排名 14 的人类性能基准 (GLUE Human baselines) 曾一度成为各大模子的头号目的。
该榜单名气之大,吸引了许多高校和名企前来挑衅,不停革新记录,包罗阿里、安全、华为等。
厥后,GLUE 难度不敷了,SuperGLUE 也就应运而生。
SuperGLUE 在 GLUE 的底子上增长了 Facebook 人工智能和三星研究院的支持,与此同时,它的基准测试的难度也大大进步。
两个 GLUE 的网页对比
两个基准测试在网页上并无太大差异,区别就是测试使命。
普通来说,假如 GLUE 的难度是语言明白的“十八铜人阵”,打败 GLUE baselines 就印上青龙白虎,那 SuperGLUE 就得是“八大派围攻光明顶”,没有三五年年内功别想在世下山,SuperGLUE human baseline 89.8 分在那里守着,Google 本身家 T5 都另有差距,这个好汉榜,真的不是谁都能上的。
这些大概不太直观,举点更直接的例子,GPT-3 评分 71.8分,BERT 评分 69分。对比起来,90 分是不是就是独一档的存在?
人们一度猜疑,SuperGLUE Human Baselines 还能被逾越吗?
谁占了榜首?
此前不停是 SuperGLUE Human baselines 占据榜首。
但 2020 年12 月 30 日,Google 团队的 T5+Meeena 模子和微软 DeBERTa 团队同时上榜,位列前二,得分分别是 90.0,89.9。
这也意味着,SuperGLUE Human baselines 不再是不可逾越的高峰。
细致对比就会发现,不是挑衅者太弱,是 SuperGLUE Human baselines 太强!COPA(选择公道的替换方案)满分,WSC(威诺格拉德模式挑衅)满分,CB(一个短文本语料库,包罗从句)98.9 分。真的很难逾越。
不外,统统都很难说。2019 年,埃鲁德·基普乔格不也是跑进 2 小时,突破了人类马拉松的极限了嘛~
有爱好的同砚可以检察官方网站举行探索,大概下一个得此成绩的就是你!
参考资料:
微软 DeBERTa 模子论文:http://arxiv.org/abs/2006.03654
supergluebenchmark 官网:http://super.gluebenchmark.com/
SuperGLUE 论文链接:http://arxiv.org/abs/1905.00537
gluebenchmark 官网:http://gluebenchmark.com/
GLUE 论文链接:http://arxiv.org/abs/1804.07461
程序员如何避免陷入“内卷”、选择什么技术最有前景,中国开发者现状与技术趋势究竟是什么样?快来参与「2020中国开发者大调查」,更有丰富奖品送不停!
☞GitHub 公布拆“墙”,规复伊朗开辟者利用权!
☞怎样用一句话证实你是步伐员?
☞TIOBE 1 月编程语言:Python 摘得 2020 年度编程语言!
☞Linux之父新年初次“炮轰”:英特尔在扼杀整个ECC行业
☞拼多多开除即将拿到股票的安全大佬;虾米音乐将永世关停;GitHub 解禁伊朗开辟者利用权 | 极客头条
☞Google DeepMind 团队发布新算法,下一个被 AI 虐哭的是谁?
点分享
点收藏
点点赞
点在看返回搜狐,检察更多