首先，請先看一段「正經」的文字：
他笑意中的那份溫柔，只想給她好好珍藏，即便這一切不會發生，至少在他的世界里，她是無憂無慮的快樂的。就連他對她的關心，她都不在意了，還有什麼不放心的呢？「好，我答應你。不過，如果我們能有個孩子，我一定做個好爸爸。」
橋豆麻袋！！！
這難道不是什麼某某天堂、某江文學、某點中文上的小說情節？
誤會了誤會了。
這是最新發布的全球最大規模中文預訓練模型「中文版GPT-3」——PLUG的力作。
270億的參數規模，跟GPT-3一樣是「萬能寫作神器」。
出於好奇，我第一時間就去上手試了試，沒想到只是輸入了四個字。
泛起笑意，
就給出了如此結果。
這個PLUG，有點意思啊~
竟然擅長的是這個？
接下來，我又進行了一波嘗試，調戲一下PLUG的創作實力。
輸入「他正要離開」，看它怎麼接。
PLUG果然很懂！
，卻見他站到了自己身前，一下子拉住了她的手，用一種很奇怪的語調說道：「我的心情很壞，很生氣，不過「他看著她，一字一句的說道：「你能不能說的快一點，我不想傷害你。「看著她一臉的冷漠，他的心中微微一酸，但是很快又笑了，溫柔的笑了笑：「放心……
有一說一，生成長文本的性能還是相當不錯，並且提供了4個文本長度選項（32~512字）。
不過這內容……
難不成，我喜歡XX文的秘密被發現了？
別誤會，其實PLUG也能生成「克制」一些的。
比如：輸入「阿sir，你看看他」，結果就顯得很正常嘛~
甚至還特意生成了繁體字小說，營造出一種港片的氛圍感。
（阿sir，你看看他）們幾時對阿爸、阿媽、阿婆笑過；你再看看他們幾時對你笑過。阿爸、阿媽、阿婆，你們笑笑就好了。其實，他們有笑，也有淚……（此處省略200+字）阿sir，你是否真的愛你的父母？
除了擅長寫小說，PLUG還能寫專業文稿、進行智能問答、生成詩詞和菜譜等等。
就比如撰寫專業文稿：
幫你解答生活常識，官網給出了貼心（不是）的示例：
程式設計師脫發用什麼洗發水好？
三個月打造中文最強GPT-3
說了這麼多，要達到這樣的效果，這個中文最強GPT-3究竟如何煉成？
PLUG，Pre-training for Language Understanding and Generation，顧名思義，就是集語言理解（NLU）和生成（NLG）能力於一身。
要實現這一點，據團隊介紹，這一模型是達摩院此前提出的兩種自研模型——NLU語言模型StructBERT、NLG語言模型PALM的融合。
此外，跟GPT-3的單向建模方式不同的是，它採用了編碼器-解碼器（encoder-decoder）的雙向建模方式。
具體來說，整個訓練過程分為兩個階段。
第一階段，以達摩院自研的語言理解模型——StructBERT作為編碼器。
簡單來說，它是在句子級別和詞級別兩個層次的訓練目標中，加強對語言結構信息的建模，從而提高模型的語法學習能力。
這也使得PLUG具有輸入文本雙向理解能力，能夠生成和輸入更相關的內容。
這個過程共訓練了300B tokens訓練數據。
第二階段，將這個編碼器用於生成模型的初始化，並外掛一個6層、8192個隱藏層節點數的解碼器，共計訓練了100B tokens的訓練數據。
此外，PLUG還能為目標任務做針對性優化。
上一回說到，GPT-3並沒有利用微調和梯度更新，而是通過指定任務、展示少量演示，來與模型文本進行交互，完成各種任務。
因此在面對新任務時候，不需要重新收集大量的帶標簽數據。但不可避免的，生成的效果不足。
比如，犯低級錯誤就是GPT-3被人詬病比較多的一點。
而PLUG的能力更加全面，既可以實現與GPT-3類似的零樣本生成功能，也可以利用下游訓練數據微調（finetune）模型，提升特定任務的生成質量。
當然，效果實現的關鍵，還少不了算力和數據。
PLUG負責人表示，原本計劃用128張A100訓練120天煉成，不過由於阿里雲、算法優化等達摩院多方力量的參與，以及加速手段的有效利用，成功將日程縮短到三分之一。
最後，只燒了35天就達到了這樣的效果。
前面也提到，PLUG的參數量達到了270億，中文訓練數據量也達到了1T以上。
在語言理解任務上，PLUG以80.614分刷新了CLUE分類任務榜單記錄。
而在語言生成任務上，據團隊介紹，其多項應用數據較業內最優水平提升了8%以上。
語言模型體系再添一員大將
如果再把PLUG說成是「中文版GPT-3」，似乎就不太準確了。
耗時3個月、270億參數規模、一發布就給體驗埠……
但與此同時，這些關鍵詞的背後，仍然留給讀者一些疑問：
3個月是如何做到的？當前的參數規模是終點嗎？為何現階段就免費開放？
阿里深度語言模型體系負責人永春給出了一一解答。
首先，時間問題。主要有兩個方面的原因。
從人力的角度來說，永春沒有談具體的數字，但此次涉及阿里的多個團隊群策群力共同完成的，當中的訓練時間也就大大縮短。
再加上，阿里以往的自研模型已經產生了更多的業務需求，促成了PLUG的開發，這也是阿里整體技術路線中的一環。
GPT-3的出現，給中國的一些玩家觸動很大：什麼時候我們能出個中文版的同類模型？
阿里作為其中之一的企業，利用自身的技術、計算資源的優勢，率先給出Demo。
永春表示，希望通過PLUG的發布，建立起與技術同行之間的橋梁。
要知道，GPT-3到目前也還沒有做到完全開放。
不過，團隊似乎並不擔心PLUG發布之後的一些不確定性。（手動狗頭）
比如，出現一些低級錯誤。
反而笑著說，之前GPT-3不也是因為大家吐槽才火的麼？丟給技術圈去檢驗，這些問題都是不可避免的。
而這樣的開源開放，正好是這個技術團隊的一大底色。
去年，阿里達摩院發布了自研深度語言模型體系，包括6大自研模型。
通用語言模型StructBERT、多模態語言模型StructVBERT、多語言模型VECO、生成式語言模型PALM……他們一直在致力於陸陸續續將模型開源出來。
永春透露，在PLUG發布這段期間，達摩院宣布將開源阿里巴巴語言模型體系部分重要模型，目前正在走流程中。
至於之後的計劃，團隊表示2000億級的參數規模正在規劃中，並進一步提升文本生成質量。
而在應用領域，他們還將專門針對醫療領域做下游數據訓練。
最終目標是希望將這個模型實際落地，提升NLP技術在方方面面的實力，比如能源、通信、司法等。
也誠如阿里達摩院語言技術實驗室負責人司羅所說，達摩院NLP團隊將進一步攻克自然語言處理領域科研難題，完善中文及跨語言人工智慧基礎設施，讓AI沒有難懂的語言，並探索通用人工智慧之路。
對了，PLUG剛剛完成最後一波調控，目前已開放了測試體驗接口（僅供學術目的測試，需同意其相關約定）。
來源：快科技
