谷歌開源文本生成新方法 LaserTagger，直擊 seq2seq 效率低、推理慢、控制差三大缺陷！

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：生成輸出與輸入文本之間長度匹配問題、需要大量訓練數據才能實現較高性能、推斷速度慢等。 因此，Google 提出了一種新型的文本生成模型 LaserTagger，該模型旨在解決 seq2seq 模型運行過程中的上述缺陷，可以預測將將源文本轉換爲目標文本的一系列生成操作。Google 發佈了相關文章

>>阅读原文<<