榮登離散推理型閱讀理解DROP榜首 京東云廣泛助力產業AI實踐
來源：中金在線
?
2022-03-18 21:32:22
近日，由AllenAI研究院發起的離散推理型閱讀理解榜單DROP上，京東智能客服言犀團隊(JDAIresearch)提出的NR-Rino模型以90.26%的準確率登頂DROPLeaderboard冠軍，進一步拉近了機器與人類在該任務上的水平差距。在機器推理與對話智能技術方向，京東言犀已經連續斬獲了5個頂級賽事的冠軍，分別為2019年獲得多跳推理機器閱讀理解(Wikihop)第一名(Tu,etal.ACL2019)，2020年文檔級關系抽取DocRED第一名(Zhou,etal.AAAI21)，2021年獲得可解釋的多跳推理機器閱讀理解(HotpotQA)第一名(Tu,etal.AAAI2020)，2021年獲得多輪對話式機器閱讀理解(QuAC)第一名(Zhao,etal.EMNLP2021)，也包含本次2022年獲得離散數值推理型閱讀理解(DROP)第一名。 500)this.width=500" align="center" hspace=10 vspace=10 alt="">
圖1DROP榜單排名示意
DROP榜單是一個國際著名的評測任務，主要用于測試計算機在語言理解中的數學推理能力。不同于許多單輪問答，離散推理型閱讀理解數據集DROP要求模型在語義理解的基礎上，具備數值推理能力。因此，本次DROP數據集任務也吸引了國際眾多參賽隊伍，包括GoogleResearch、中國平安、騰訊等多個頂級機構。500)this.width=500" align="center" hspace=10 vspace=10 alt="">
作為一家新型實體企業，京東通過技術創新和最佳產業AI實踐，獲得獨特的產業AI能力，基于京東云自研技術，言犀系統的高可用，可以低成本、規模化、友好的落地在各行各業，從而有效提高整個供應鏈效率，并帶動供應鏈上下游的企業實現數字化轉型發展。本次離散數值推理型閱讀理解DROP冠軍的NR-Rino模型將廣泛應用于零售、金融、醫療等各個行業。
在京東最擅長的零售行業，NR-Rino模型可以廣泛的應用于零售的各個鏈條，例如在價保環節中，客戶在購買商品后，希望價格在一段時期內是最便宜的，后期在客戶咨詢中，涉及數字、比價等信息時，智能客服就可以對價格進行分析，給客戶滿意的回答。如需價保，也會通過RPA能力，實時處理客戶的價保訴求。
在融媒體行業，例如體育新聞數據分析中，競技體育的報道一直占據著很大的比重。具有數字推理能力的機器可以將體育比賽的最終結果和比賽的進程以詳實的數據形式進行展現，賦予新聞報道更加冷靜、客觀的特質。例如在籃球比賽中通過計算不同區域投籃得分效率來證明三分球命中數對比賽勝負的巨大影響。
在金融行業，尤其是金融報告中，通常會包含大量的數字信息。具有離散推理能力的模型可以幫助人類將這些信息加以提煉，并且使之關聯到未來可能的發展趨勢，從而為預測和決策提供有價值的及時信息。
在教育行業，在智能化教育需求的推動下，在線教育平臺受到越來越多人的認可。在教師資源欠缺的情況下，機器可以扮演“老師”的角色。以解數學應用題的場景為例，具備離散推理能力的機器可以自動為學生提供了更快速的反饋且更類人、更有效的解題思路。
在醫療行業，醫生需要面對海量的醫療數據，機器可以解釋和匯總數據，以幫助醫生做出決策。同時，也可以根據患者個性化數據信息，例如，每日血壓、血脂等，引導患者養成良好的生活習慣。
DROP榜單是一個國際著名的評測任務，主要用于測試計算機在語言理解中的數學推理能力。不同于許多單輪問答，離散推理型閱讀理解數據集DROP要求模型在語義理解的基礎上，具備數值推理能力。因此，本次DROP數據集任務也吸引了國際眾多參賽隊伍，包括GoogleResearch、中國平安、騰訊等多個頂級機構。
在京東最擅長的零售行業，NR-Rino模型可以廣泛的應用于零售的各個鏈條，例如在價保環節中，客戶在購買商品后，希望價格在一段時期內是最便宜的，后期在客戶咨詢中，涉及數字、比價等信息時，智能客服就可以對價格進行分析，給客戶滿意的回答。如需價保，也會通過RPA能力，實時處理客戶的價保訴求。
在融媒體行業，例如體育新聞數據分析中，競技體育的報道一直占據著很大的比重。具有數字推理能力的機器可以將體育比賽的最終結果和比賽的進程以詳實的數據形式進行展現，賦予新聞報道更加冷靜、客觀的特質。例如在籃球比賽中通過計算不同區域投籃得分效率來證明三分球命中數對比賽勝負的巨大影響。
在金融行業，尤其是金融報告中，通常會包含大量的數字信息。具有離散推理能力的模型可以幫助人類將這些信息加以提煉，并且使之關聯到未來可能的發展趨勢，從而為預測和決策提供有價值的及時信息。
在教育行業，在智能化教育需求的推動下，在線教育平臺受到越來越多人的認可。在教師資源欠缺的情況下，機器可以扮演“老師”的角色。以解數學應用題的場景為例，具備離散推理能力的機器可以自動為學生提供了更快速的反饋且更類人、更有效的解題思路。
在醫療行業，醫生需要面對海量的醫療數據，機器可以解釋和匯總數據，以幫助醫生做出決策。同時，也可以根據患者個性化數據信息，例如，每日血壓、血脂等，引導患者養成良好的生活習慣。
