中国军团称霸阅读理解竞赛RACE：微信AI称王，高中生单枪匹马力压腾讯康奈尔联队

编者按：本文来自微信公众号“量子位”（ID：QbitAI），作者乾明、边策；36氪经授权发布。

在初高中英文阅读理解这件事上，普通人类已经不是AI对手了。

这就是AI最新获得的成就。

在CMU语言技术研究所发起RACE数据集上，全球豪强纷纷一展身手。

最终，依然由中国军团雄霸天下。

而且一位高中生，甚至单枪匹马力压腾讯和康奈尔联队。

此外，第一二名争夺也异常激烈且颇富戏剧性。

微信AI和云从交大，上演了一出生死时速的好戏。

怎样一回事？

中国AI军团雄霸全球竞赛

此次比赛所用数据集RACE，全称：Large-scale ReAding Comprehension Dataset From Examination，是一个从初中和高中试题中收集的大型英文阅读理解数据集。

2017年正式对外推出，主要考察AI模型在英文阅读理解方面的学习能力。

从推出至今，总共有13支全球豪强来试过身手。除了前面提到的微信AI、云从、腾讯AI Lab和康奈尔之外，OpenAI、微软研究院、IBM研究院也都参与其中。

但2年以来，还没有哪支团队的AI模型真正实现超越人类水平。

但就在今年1月，中国公司云从科技和上海交大联队，首次在高中生数据集部分实现了AI模型水平对人类超越，该排名也一度占据榜首50多天。

如此成绩，云从自然应该庆祝一番。

不过熟料战况异常激烈，万万没想到，在云从刷榜通告发出后不久，中国另一代表队——微信AI提交最新成绩，并成功实现超越，且还是对人类水平的全面超越。

这年头，庆功都不允许雍容款款了。

微信第一，BERT称王

那么微信AI模型，究竟有何独到之处？

在RACE中，微信AI模型整体正确率73.5%，超过了普通人类的73.3%。

其使用的是选项比较网络（OCN），模仿人类完成阅读理解任务的做法，在单词级别上对各个选项进行比较，以识别其中的相关性，来帮助推理答案。

不过，在这个竞赛中，更大的赢家却是BERT。

微信AI使用的模型，正是基于BERT。

不仅仅是微信AI，榜单二三名，也都是基于BERT。

目前排名第二的选手，上海交大与云从提出的双协同匹配网络（DCMN），可以模拟段落、问题和答案之间的双向关系，来进行更好的推理。在RACE数据集高中题目上拿下了69.8%准确率，超过普通人类表现。

BERT的成绩，并不会让人太过意外。

这个于2018年10月由谷歌推出模型，刚一问世便交出了一份惊人的成绩单。

在机器阅读理解顶级水平测试SQuAD1.1中，全面超越人类表现，并在11种不同NLP测试中创出最佳成绩。

现在，SQuAD 2.0榜单已经被BERT垄断，前30名之中都很难见到不用BERT的选手。

在我们今天要讲的RACE竞赛中，借BERT上榜的还有一名高中生。他来自新加坡立化中学，也是中国人。

他的模型，比腾讯AI Lab和康奈尔大学提出模型成绩还要好。

高中生力压腾讯AI Lab+康奈尔

这位高中生名叫司程磊，初中就读于合肥市第五十中学，2015年被新加坡立化中学录取。

他的这项研究并不复杂，只是基于RACE数据集对预训练好的BERT模型进行调参。

司程磊在GitHub页上声明自己的成果是基于BERT的PyTorch实现。但作为一名高中生，已经开始上手调参炼丹，的确比不少同龄人要超前了不少。

还在高中就读的司程磊展现出了对计算机科学的浓厚兴趣，他的GitHub页上显示他正在自学斯坦福大学的NLP课程CS224N，还在Coursera上自学加州大学圣迭戈的算法课程。

另一方面，他也在关注NOI（全国信息学奥林匹克竞赛）、ACM竞赛。

司程磊可不仅仅把这些停留在简单的关注上，每门学过的课程，他都认认真真地在GitHub上编写习题的代码。

言归正传，司程磊根据模型的精细程度，将结果分成基本BERT（BERT_base）和大型BERT（BERT_large）两部分。BERT_large的batch size更小，学习率更低，因此在测试结果上优于BERT_base。

不过，腾讯AI Lab被超越，也是情理之中。

他们上次提交成绩，还是在2018年10月。

当时，他们基于Transformer的模型，在多个阅读理解数据集上都实现了最优结果。

但现在已经是2019年了，BERT已经开源，成了各个NLP模型中的核心。

而2017年推出的RACE，也因此迎来革命性时刻。

RACE：让AI做高考题的数据集

RACE（Large-scale ReAding Comprehension Dataset From Examination），由两位来自中国的博士生提出，是一个从初中和高中试题中收集的大型英文阅读理解数据集。

RACE一共收集了28,130篇文章，包含了98,432个问题。 数据集又分为RACE-M（初中）和RACE-H（高中）两个部分。

RACE由中学教师设计，用于测试学生的阅读理解技能。要想选出正确答案，不能直接从原句子中寻找，而是需要找到相关的上下文，还需要逻辑推理并运用社会、数学、文化等方面的常识进行分析。这对AI是个很大的考验。

关于RACE数据集的文章曾被EMNLP 2017收录，当时最先进的机器阅读理解模型也只能获得42.3%的正确率，而在亚马逊的众包平台Turkers上，人类的平均正确率达到了73.3%，上限成绩是94.5%。

△数据集作者用Sliding Window和Stanford AR两个模型的测试结果与人类对比

显然最先进模型与人类表现之间存在显着差距，RACE很适合作为机器阅读的测试标准。

开发这个数据集的，是卡内基·梅隆大学的两位在读博士赖国堃和谢其哲，他们都曾都在微软亚洲研究院实习过。

除了阅读理解外，这两位还提出过英文完型填空的数据集CLOTH。他们去年12月用BERT模型超越了人类得分。

谢其哲毕业于上海交大ACM班，目前正在攻读CMU博士学位，已有多篇论文被ACL、EMNLP、NIPS等顶会收录。

他的本科导师俞凯，是苏州思必驰信息科技有限公司首席科学家，同时也是上海交通大学苏州人工智能研究院执行院长。

也是名师出高徒的又一例证。

后生可畏

当然，现在各大全球AI竞赛被中国军团霸榜，早已见怪不怪了。

远的不说，2018年的国际顶级口语机器翻译评测大赛IWSLT上，搜狗第一，讯飞第二，阿里巴巴第三，承包了Baseline Model赛道前三。

还有COCO+Mapillary 2018物体识别联合挑战赛上，中国团队包揽全部六项赛事的第一名，其中旷视团队获得4项冠军，商汤、北邮和滴滴团队分别获得1项冠军。

然而与之前种种霸榜事件相比，这次大有不同，毕竟此次中国军团中，还有崭露头角的高中生——此外测试标准本身，也由两名中国留学生提出。

真是一个后生可畏的年代啊！

如果你也关注近期AI顶会的论文，还会发现各路本科生、实习生大展神威。

中国AI的年轻一代，正在源源不断走到前台。

看来未来AI工程师退休，都不用拖到35岁高龄了。（手动狗头）

传送门

RACE榜单地址：
http://www.qizhexie.com/data/RACE_leaderboard

RACE论文地址：
https://arxiv.org/pdf/1704.04683.pdf

RACE数据集地址：
http://www.cs.cmu.edu/~glai1/data/race/

微信AI论文地址：
https://arxiv.org/pdf/1903.03033.pdf