Hacia un Modelo de Lenguaje Mundial-Inglés para Asistentes Virtuales en Dispositivos Locales

Towards a World-English Language Model for On-Device Virtual Assistants

March 27, 2024

Autores: Rricha Jalota, Lyan Verwimp, Markus Nussbaum-Thom, Amr Mousa, Arturo Argueta, Youssef Oualil

cs.AI

Resumen

Los Modelos de Lenguaje basados en Redes Neuronales (NNLMs) para Asistentes Virtuales (VAs) suelen ser dependientes del idioma, la región y, en algunos casos, del dispositivo, lo que incrementa el esfuerzo para escalarlos y mantenerlos. Combinar NNLMs para una o más de estas categorías es una forma de mejorar la escalabilidad. En este trabajo, combinamos variantes regionales del inglés para construir un NNLM de "Inglés Global" para VAs en dispositivos. En particular, investigamos la aplicación de cuellos de botella adaptadores para modelar características específicas de dialectos en nuestros NNLMs de producción existentes {y mejorar las líneas base multi-dialecto}. Descubrimos que los módulos adaptadores son más efectivos para modelar dialectos que especializar subredes completas. Basándonos en esta idea y aprovechando el diseño de nuestros modelos de producción, introducimos una nueva arquitectura para el NNLM de Inglés Global que cumple con las restricciones de precisión, latencia y memoria de nuestros modelos de un solo dialecto.

English

Neural Network Language Models (NNLMs) for Virtual Assistants (VAs) are generally language-, region-, and in some cases, device-dependent, which increases the effort to scale and maintain them. Combining NNLMs for one or more of the categories is one way to improve scalability. In this work, we combine regional variants of English to build a ``World English'' NNLM for on-device VAs. In particular, we investigate the application of adapter bottlenecks to model dialect-specific characteristics in our existing production NNLMs {and enhance the multi-dialect baselines}. We find that adapter modules are more effective in modeling dialects than specializing entire sub-networks. Based on this insight and leveraging the design of our production models, we introduce a new architecture for World English NNLM that meets the accuracy, latency, and memory constraints of our single-dialect models.