专题演讲嘉宾：封江涛

文本生成是自然语言处理的重要方向之一，很多关键的下游任务包括机器翻译，人机对话，自动问答等都依赖文本生成技术。当前主流的文本生成模型主要遵循自左至右的生成范式，并使用Transformer 来参数化，在实践中取得了不错的效果。但是自左至右的自回归式生成会带来每个位置生成时互相等待，效率下降的问题。为此有研究者提出了并行（非自回归）文本生成技术，在损失生成准确率的前提下大大提高了生成的效率。

本次演讲将介绍字节跳动在大规模文本生成技术方面的探索，深入讨论高效且不损失精度的并行文本生成技术是否可行，并且尝试从理论和实践两个角度给出一些初步结果。

演讲提纲

1. 背景介绍：自回归生成 vs 并行生成
2. Glancing Transformer 具体内容介绍
3. GLAT 在 WMT21 中的表现
4. GLAT 在火山翻译的上线情况

你将获得：

1. 了解生成模型的前沿进展
2. 熟悉并行生成模型的理论和实践
3. 了解在大规模线上系统中并行生成模型的具体效果以及应用场景