T10
职责:核心方向规划、技术方案调研设计、技术研发及指导、业务需求对接及落地推动等
信息流内容定制化预训练
- 针对不同类下游任务的个性化预训练设置;针对下游任务特点的selective mask、fine-grained
sentence order、confusion mask等预训练任务优化;显著提升下游任务效果及开发人效
信息流内容特征体系
- 内容风格体系:内容和风格解耦的有监督风格分类模型;风格数据挖掘+弱监督风格表征学习,自动
构建广覆盖风格体系;打造有监督和弱监督相结合的图文/视频/音频风格体系;支持推荐侧深度个性
化,显著提升消费指标
- 内容质量体系:基于客观事实的质量基础特征模型;生成式中文文本纠错模型;打造完备质量特征体
系,包含20+质量特征算子(标题党、水文/水视频、负面、低俗、文本纠错等),大幅降低端内低质
率及审核成本
生成式内容特征大模型
- 基于大模型的内容特征生产链路;领域数据自回归预训练;领域任务高效精调及统一生成模型训练

自然语言理解(NLU)&对话状态跟踪(DST)
- 上下文敏感的自然语言理解(Context-Aware NLU)技术
- 支持零样本(zero-shot)和小样本(few-shot)的生成式DST模型
交互式学习
- 利用对话中的用户反馈解决任务型对话理解精度低、优化成本高两大痛点。通过用户反馈+多轮交互(异常识别/系统澄清/反馈修正/query推荐等)实现覆盖任务型对话全链路(ASR+NER+SLU+DST)的交互式理
解能力,突破理解模型效果瓶颈;同时在多轮交互中发现对话异常,积累领域知识,实现理解能力低成本可
持续优化
交互式语音纠错
- 基于深度学习的异常query识别、异常信息抽取模型,基于Kgram词典的字词检索。覆盖偏旁部首纠
错、组词纠错、拆解纠错、声调纠错等日常纠错形式。上线手机百度、百度输入法。
获奖成果
对话相关技术2018、2019连续2年获百度技术最高奖提名(10强),2020年百度AIG季度之星,
2021年PCG业务突破奖等。相关技术形成专利10余项