本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

追一科技主辦的首屆中文NL2SQL挑戰(zhàn)賽上，又一項超越國外水平的NLP研究成果誕生了。

在NL2SQL這項任務(wù)上，比賽中的最佳成績達到了92.19%的準確率，超過英文NL2SQL數(shù)據(jù)集WikiSQL目前完全匹配精度86.0%，執(zhí)行匹配精度91.8%的最高成績。

達成這一成績的隊伍的名字很有野心，名叫“不上90不改名字”，團隊成員包括來自國防科技大學的博士張嘯宇、碩士賽斌，來自昂鈦客AI的王蘇宏，他們拿下了本屆比賽的冠軍，抱走了8萬獎金。

冠軍團隊從來自CMU、北大、清華、上交、南大、中科大等多所高校和移動、平安、搜狗等公司的1457支參賽隊伍中脫穎而出，超過92%的成績，讓比賽評委、復(fù)旦大學教授肖仰華驚喜的說：“結(jié)果完全超出預(yù)期”。

而另一位評委、比賽主辦方追一科技的CTO劉云峰說，該任務(wù)的準確率從比賽初期最好成績60%多提升到超過92.19%的水平，提升幅度超出了他們原本的想象。

而且由于本次比賽用到的中文數(shù)據(jù)集難度比WikiSQL英文數(shù)據(jù)集要高，證明在同樣設(shè)定下，冠軍團隊的方案已經(jīng)超過了國外機構(gòu)最佳算法（state-of-the-art）在中文任務(wù)上的表現(xiàn)。

NL2SQL最佳方法揭秘

NL2SQL，也就是把自然語言“翻譯”成機器能理解的SQL語句，在人機交互中有巨大的價值，這樣的成績意味著，92.19%的情況下，你說的話都能被機器準確的理解，并給到你想要的答案。

那么，既然機器能理解人話，那從紛繁復(fù)雜的數(shù)據(jù)庫中找到資料也是更為容易的事情了。

肖仰華教授說，現(xiàn)在阻礙大數(shù)據(jù)價值變現(xiàn)的最大難題就是訪問數(shù)據(jù)門檻太高，依賴數(shù)據(jù)庫管理員寫復(fù)雜的SQL，而且考慮到中文的表述更加多樣，中文NL2SQL要比英文難很多。

△ 肖仰華教授

因此，解決了從中文人類語言到SQL這種計算機語言的轉(zhuǎn)化問題，那些和你對話的AI系統(tǒng)們，就會變得更“聰明”，更容易理解你的問題并找到答案，App里的智能客服、家里的智能音箱們一問三不知的情況也會少很多。

針對中文NL2SQL的問題，冠軍團隊的張嘯宇在比賽答辯中揭秘了實現(xiàn)的方法：

△ 冠軍隊隊長張嘯宇

WikiSQL排行榜上的第一名、來自微軟Dynamics 365團隊的X-SQL有一些問題，模型框架不完全適配，在value抽取上colume特征不顯著，容易抽取混亂。

針對這些問題，冠軍團隊提出了M-SQL，將原本X-SQL的6個子任務(wù)改為8個子任務(wù)，并且增加三個子模型，S-num、Value抽取、Value匹配，一次性將query中含有的所有Value抽取出來，并對value和數(shù)據(jù)庫表字段的隸屬關(guān)系進行判斷。

之后進行了一些細節(jié)提升，比如在數(shù)據(jù)預(yù)處理方面，將數(shù)據(jù)、年份、單位、日期、同義詞進行修正，統(tǒng)一query的范式；在query信息表達方面，用XLS標記替換CLS標記，這樣在線下驗證集上準確率提高了0.3個百分點。

用到的預(yù)訓(xùn)練模型，則是哈工大發(fā)布的BERT-wwm-ext模型。

最終的成果，張嘯宇覺得非常滿意：“我覺得機器轉(zhuǎn)的比我好，大言不慚的說，已經(jīng)超過了人類的水平。”

冠軍團隊

“不上90不改名字”隊伍的隊長張嘯宇是一名國防生，也是一位競賽熱愛者，專注NLP領(lǐng)域。他在2018年萊斯杯軍事閱讀理解挑戰(zhàn)賽上獲得第二名；在2019年的Kaggle PetFinder比賽上獲得金牌，現(xiàn)在是榜上有名的Kaggle Master了。

另一位隊員賽斌則是他在國防科大的同學，王蘇宏則是他在Kaggle社區(qū)結(jié)識的一位隊友，目前也是Kaggle排行榜上前1000名的用戶。

雖然取得了冠軍，不過這個團隊籌備比賽的時間卻比其他隊伍晚了一些，他們開始準備的時候，其他團隊已經(jīng)進行了兩個星期。

剩下的時間只有一個月了。在這一個月的準備時間里，三人每天都在線上協(xié)同商量方案，平均下來基本每天都要工作五六個小時。

對于第一名的成績，他們感到毫不意外。畢竟在排行榜上已經(jīng)是第一名，準確度也在這項任務(wù)上實現(xiàn)了業(yè)界領(lǐng)先，奪得第一當之無愧。

最后，關(guān)于比賽的經(jīng)驗，張嘯宇總結(jié)地非常簡單：多敲代碼，多看paper。

幫技術(shù)的“錘子”，找場景的“釘子”

追一科技總部在深圳，另外在北京、上海、南京、香港、新加坡、白俄羅斯也有研發(fā)團隊或分公司。

成立3年來，追一已經(jīng)完成了來自招商局資本、創(chuàng)新工場、晨興資本、高榕資本、紀源資本的4輪投資，總計融資額7000萬美元，招商銀行信用卡、中國移動、南方電網(wǎng)、中國人保、騰訊都是追一的客戶。

從融資規(guī)模上來看，可以說這家騰訊系的AI公司已經(jīng)是 國內(nèi)NLP領(lǐng)域的領(lǐng)頭羊了。

技術(shù)方面，追一在各項NLP任務(wù)上都有所突破，拿到了CoQA、CMRC2018 中文機器閱讀理解等挑戰(zhàn)的冠軍。

而在NL2SQL這個任務(wù)上，曾經(jīng)在騰訊達到T4職級的劉云峰說，中文NL2SQL在比賽之前只有追一和微軟兩家，通過這場比賽，如果能達到眾人拾柴火焰高的目的，就可以將這項技術(shù)推廣出去了：

“客戶這邊有一個釘子，但是不知道用什么錘子來砸；但是我們這些搞AI的公司有一個錘子，不知道去哪里找釘子。通過這個比賽我們可以很好地把釘子和錘子匹配在一起，給技術(shù)找到落地的場景。”

從NLP到計算機視覺

值得注意的是，本次比賽雖說是在NLP領(lǐng)域的賽事，但仍然吸引了不少計算機視覺方面的研究者參賽，闖入決賽的隊伍“大佬帶我飛”中的兩名成員就是CV方面的研究生。

△ 追一科技CTO劉云峰

評委追一科技CTO劉云峰認為，在工業(yè)落地時，現(xiàn)在越來越呈現(xiàn)出多模態(tài)融合的趨勢，視覺和NLP結(jié)合的越來越多，需要同時處理多種信號，人機交互的時候也不僅僅用到NLP方面的技術(shù)，也需要用到視覺方面的技術(shù)，追一科技作為一家NLP公司，本身也有視覺、語音方面的技術(shù)團隊。

“AI公司主要做企業(yè)服務(wù)，一個企業(yè)不會只要一個方向（的技術(shù)），他同時要NLP、視覺的時候不會找兩家公司，因為他自己沒法把兩個技術(shù)融合在一起。”

因此劉云峰判斷，未來頭部AI公司一定是全棧AI公司，雖然會有最拿手的技術(shù)，但不會只布局一個領(lǐng)域的技術(shù)。

最后，本屆比賽的數(shù)據(jù)集之后也會公開，或許這會是NLP領(lǐng)域下一個競相角逐的高地。

追一科技主辦的首屆中文NL2SQL挑戰(zhàn)賽上，又一項超越國外水平的NLP研究成果誕生了。

在NL2SQL這項任務(wù)上，比賽中的最佳成績達到了92.19%的準確率，超過英文NL2SQL數(shù)據(jù)集WikiSQL目前完全匹配精度86.0%，執(zhí)行匹配精度91.8%的最高成績。