當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

facebook对话链接_Facebook已开源其最新的聊天机器人Blender

發布時間：2025/3/12 编程问答 30 豆豆

生活随笔收集整理的這篇文章主要介紹了 facebook对话链接_Facebook已开源其最新的聊天机器人Blender 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

它是一種更具人性化的聊天機器人，并擊敗了Google成為世界上最好的聊天機器人

> Photo by Alex Haney on Unsplash

4月29日，Facebook AI Research(FAIR)宣布已構建并開源了一個新的聊天機器人Blender。

最先進的開源聊天機器人

Facebook AI擁有開源的Blender，這是有史以來最大的開放域聊天機器人。在以下方面，它的表現要優于其他人：

根據FAIR的說法，Blender是有史以來最大的開放域聊天機器人。它也是第一個使用多種對話技巧構建的聊天機器人，包括承擔角色，表現同理心和討論幾乎任何主題的能力。 FAIR聲稱Blender擊敗了Google的Meena，成為世界上最好的。

如果您想了解更多信息，請查看Github和Paper。

· GitHub：https://parl.ai/projects/blender/

· 論文：https：//arxiv.org/abs/2004.13637

擊敗Google成為世界上最好的

FAIR聲稱Blender是最大的開放域聊天機器人，也是世界上最好的聊天機器人。

GitHub上提供了經過預先訓練和微調的Blender模型。該模型包含多達94億個參數，是最大的現有系統(Google最新的聊天機器人Meena)的3.6倍。

> A conversation with Facebook Blender

當Google一月份發布Meena時，Google稱其為世界上最好的聊天機器人。現在，根據Facebook自己的成對人類評估，

· 75％的評估人員發現Blender比Meena更具吸引力，

· 67％的評估人員認為Blender的表現更像人類。

· 最初有49％的評估人員無法區分聊天機器人Blender和真實人類。

其他聊天機器人與Blender之間的主要區別在于Blender能夠承擔角色，表現同情心并討論幾乎任何主題。

在撰寫本文時，Google尚未對此聲明發表評論。

Blender食譜

據FAIR稱，Blender令人印象深刻的結果的秘訣是：

· 龐大的訓練數據，

· 混合技能的其他數據集

· 生成策略。

與其他自然語言處理項目一樣，Blender接受了大規模的培訓，涉及15億次公開Reddit對話。

此外，該模型使用混合技能對話(BST)進行了微調，從而增強了以下技能的模型：

· 進行個性化使用(PersonaChat)

· 參與知識的使用(維基百科的向導)

· 展示同理心(情感對話)

· 能夠無縫融合所有三個(BST)

在訓練和微調過程中，使用了許多可能的生成策略，包括波束搜索，下一個令牌采樣，n-gram阻塞和仔細選擇搜索超參數。

> The 9.4B parameter model requires at least two 32gb V100 GPUs to interact with.

Blender仍然會犯錯誤

盡管效果看起來不錯，但Blender的技能仍遠未達到對話系統中人類水平的智能。

到目前為止，該團隊僅評估了14輪對話流的聊天機器人。研究人員表示，在幾天或幾周的談話過程中，Blender可能會反復出現且乏味。

另一個問題是，Blender無法記住以前的對話。 Blender使用標準的Transformer架構，該架構對128個BPE令牌的歷史記錄有嚴格的限制，因此不能擴展他們從用戶那里或從用戶那里學到的東西，請參考他們之前說過的話。

Blender還傾向于整理事實，這是深度學習的一個限制，因為它基于統計相關性而不是知識來生成句子。

防止聊天機器人使用有毒或偏頗的語言

你還記得泰嗎？ Tay是一個聊天機器人，最初是由Microsoft Corporation在2016年3月23日通過Twitter發布的；當該機器人開始通過其Twitter帳戶發布煽動性和攻擊性推文時，它引起了隨后的爭議，導致微軟僅在啟動后16小時關閉了該服務。

> "Tay" went from "humans are super cool" to full nazi in less than 24hrs

任何聊天機器人都面臨著同樣的挑戰：如何防止其講有毒或偏頗的語言。這些聊天機器人經過訓練可以模仿人與人之間的對話，有時可以從人與人的數據中學習不良的功能。

FAIR一直試圖通過要求群眾工作者過濾掉有害的語言來解決此問題。但是，由于Reddit數據集太大，這似乎是不可能完成的任務。此外，研究小組還嘗試使用分類器在顯示有毒語言之前對其進行檢測，但他們指出，此類分類器仍然是不會出錯的。

請享用！

就是這樣。謝謝閱讀。

如果您想玩耍并閱讀詳細信息，請再次點擊以下鏈接