出品 | AI科技大本营（ID:rgznai100）
12月10日，百度ERNIE在自然语言处理领域权威数据集GLUE中登顶榜首，以9个任务平均得分首次突破90大关刷新该榜单历史，其表现超越微软MT-DNN-SMART, 谷歌T5、ALBERT等一众顶级预训练模型。
2018年底以来，以BERT为代表的预训练模型大幅提升了自然语言处理任务的基准效果，取得了显著技术突破，基于大规模数据的预训练技术在自然语言处理领域变得至关重要。众AI公司纷纷发力预训练领域，相继发布了XLNet、RoBERTa、ALBERT、T5等预训练模型。百度也先后发布了ERNIE 1.0、ERNIE 2.0，在16个中英数据集上取得了当时的SOTA。
从GLUE排行榜上来看，BERT使用预训练加微调的方式，相对过往的基线成绩大幅提升各任务的效果，首次突破了80大关。XLNet、RoBERTa、T5、MT-DNN-SMART等模型则分布在88-89分范围，人类水平则是87.1。
百度ERNIE此次登顶，并在CoLA、SST-2、QQP、WNLI等数据集上达到SOTA。相对BERT的80.5的成绩，提升近10个点，取得了显著的效果突破。
百度ERNIE 2.0原理示意图
ERNIE 2.0 持续学习的语义理解框架, 支持增量引入不同角度的自定义预训练任务，通过多任务学习对模型进行训练更新，每当引入新任务时，该框架可在学习该任务的同时，不遗忘之前学到过的信息。
此次登顶的模型主要基于ERNIE 2.0持续学习语义理解框架下的系列优化。引入更多新预训练任务, 例如引入基于互信息的动态边界掩码算法。对预训练数据和模型结构也做了精细化调整。
同时，百度ERNIE 2.0的论文（https://arxiv.org/abs/1907.12412）已被国际人工智能顶级学术会议AAAI-2020收录，AAAI-2020将于2020年2月7日-12日在美国纽约举行, 届时百度的技术团队将会进一步展示近期的技术成果。
据介绍，ERNIE预训练技术已广泛地应用于公司内外多个产品和技术场景，在百度搜索、小度音箱、信息流推荐等一系列产品应用中发挥了重要作用，大幅提升了产品的技术效果和用户体验，逐步赋能各行各业。
