語(yǔ)言與智能技術(shù)競賽由中國中文信息學(xué)會(huì )和中國計算機學(xué)會(huì )聯(lián)合主辦，百度、中國中文信息學(xué)會(huì )評測工作委員會(huì )和中國計算機學(xué)會(huì )自然語(yǔ)言處理專(zhuān)委會(huì )承辦。自2018年舉辦以來(lái)，憑借面向真實(shí)應用場(chǎng)景的任務(wù)設計和源自真實(shí)場(chǎng)景的數據集，該競賽已成為全球最權威、最熱門(mén)的中文NLP賽事之一。2022屆競賽進(jìn)一步升級，聯(lián)合“千言”數據集開(kāi)源項目，設置了段落檢索、知識對話(huà)、情感可解釋、視頻語(yǔ)義理解四大任務(wù)，覆蓋了跨模態(tài)、知識驅動(dòng)、可信學(xué)習等前沿課題，具有較高的學(xué)術(shù)和產(chǎn)業(yè)價(jià)值。

　　賽題任務(wù)的全面升級受到了來(lái)自學(xué)術(shù)界與產(chǎn)業(yè)界的廣泛關(guān)注。據統計，本屆競賽共計約2500支團隊報名，參賽選手覆蓋全球262所高校和208家企業(yè)，提交有效結果超過(guò)7000份。其中，高校選手占比約52%，來(lái)自清華大學(xué)、北京大學(xué)、復旦大學(xué)、中國人民大學(xué)、中國科學(xué)院大學(xué)、伊利諾伊理工大學(xué)、悉尼大學(xué)等國內外知名高校；企業(yè)選手占比約34%，來(lái)自中國移動(dòng)、聯(lián)通、平安保險、華為、騰訊、網(wǎng)易、小米、小鵬汽車(chē)、海康威視、施耐德電氣等知名企業(yè)，覆蓋了金融、互聯(lián)網(wǎng)、傳媒、通信、工程機械、能源、生物等多個(gè)行業(yè)。

　　經(jīng)過(guò)激烈的競爭，最終來(lái)自中國科學(xué)技術(shù)大學(xué)、香港中文大學(xué)、阿里巴巴、騰訊、商湯科技等高校與企業(yè)的共計16支團隊獲獎。

段落檢索賽題獲獎團隊

知識對話(huà)賽題獲獎團隊

情感可解釋賽題獲獎團隊

視頻語(yǔ)義理解賽題獲獎團隊

　　賽事優(yōu)勝團隊在參賽方案中均使用了預訓練語(yǔ)言模型，也提出了很多創(chuàng )新思路和方案，并取得了大幅的效果提升。相較于賽事官方的基線(xiàn)成績(jì)，段落檢索任務(wù)提升了15.40%，知識對話(huà)任務(wù)提升了142.86%，情感可解釋任務(wù)提升了77.12%，視頻語(yǔ)義理解任務(wù)提升了50%，各團隊的技術(shù)方案有力地推動(dòng)了相關(guān)任務(wù)的技術(shù)探索。在論壇的評測報告環(huán)節，四大任務(wù)的冠軍團隊對各自的參賽方案做了分享。

　　在段落檢索任務(wù)中，來(lái)自中國科學(xué)技術(shù)大學(xué)的“young的團隊”提出了一種基于弱監督數據預訓練的開(kāi)放問(wèn)答段落檢索方法，該方法可以有效提升檢索準確率。在知識對話(huà)賽題中，來(lái)自騰訊的“拿件T恤就溜”團隊，設計了一個(gè)基于實(shí)時(shí)知識搜索API的知識對話(huà)系統，實(shí)驗表明該方案可以顯著(zhù)提升對話(huà)整體的連貫性和吸引力。在情感可解釋任務(wù)中，阿里巴巴的“Ali_農民工團隊” 提出了一個(gè)基于通用信息抽取統一框架 UIE的情感可解釋分析方法，該方法根據情感可解釋任務(wù)的特點(diǎn)，使用few-shot、文本聚類(lèi)等方法，提高了模型的合理性、忠誠性。在視頻語(yǔ)義理解任務(wù)中，來(lái)自商湯科技&香港科技大學(xué)的“商湯NLP×LaVi的團隊”針對分類(lèi)標簽預測任務(wù)和語(yǔ)義標簽預測任務(wù)，分別設計了對應方案，提出了基于多模態(tài)學(xué)習的視頻語(yǔ)義理解模型，并通過(guò)數據增強、數據加權和多模型集成進(jìn)一步提升方案性能，最終脫穎而出。

　　針對此次競賽，百度自然語(yǔ)言處理部主任架構師劉璟進(jìn)行了總結，他表示：“四大任務(wù)的優(yōu)勝方案相對基線(xiàn)均大幅提升。各優(yōu)勝隊伍均基于預訓練模型進(jìn)行了一系列的創(chuàng )新，如采用prompting技術(shù)、面向任務(wù)的預訓練等，有效地推動(dòng)了技術(shù)的進(jìn)步。目前來(lái)看，知識融合、可信學(xué)習、跨模態(tài)等技術(shù)在應用落地中還存在很多挑戰，未來(lái)需要更大地突破。”

　　值得一提的是，本次競賽數據集均來(lái)自于千言中文開(kāi)源數據集項目。千言是面向自然語(yǔ)言處理的中文開(kāi)源數據共建項目，由中國計算機學(xué)會(huì )、中國中文信息學(xué)會(huì )和百度聯(lián)合發(fā)起，目前已有近20家單位的數據集作者參與共建，已有覆蓋文本生成、情感分析、閱讀理解等15個(gè)任務(wù)方向的近60個(gè)中文NLP開(kāi)源數據集入駐。

千言官網(wǎng)

　　2022語(yǔ)言與智能競賽發(fā)布了首個(gè)來(lái)自搜索引擎的大規模中文段落檢索數據集DuReader_retrieval、首個(gè)服務(wù)信息增強對話(huà)數據集DuSinc、首個(gè)細粒度中文情感可解釋評測數據集DuExplain、視頻語(yǔ)義理解數據集 DuVideoTag。賽后，開(kāi)發(fā)者可繼續在千言數據集官網(wǎng)下載使用以上數據集，并參與相應的榜單評測，不斷提升技術(shù)水平，實(shí)現創(chuàng )新發(fā)展。

　　語(yǔ)言是人類(lèi)信息傳遞最重要的媒介，近年來(lái)自然語(yǔ)言處理領(lǐng)域獲得了產(chǎn)學(xué)研各界的持續關(guān)注。語(yǔ)言與智能技術(shù)競賽將繼續提供面向真實(shí)應用場(chǎng)景的數據集和富有挑戰性的任務(wù)設定，引領(lǐng)學(xué)術(shù)研究面向真實(shí)應用，提升語(yǔ)言理解與人機交互智能水平，為推動(dòng)語(yǔ)言與智能領(lǐng)域技術(shù)發(fā)展和應用貢獻力量。