像苹果Siri自到最后然 手机的个人之间 助理多种方式比相较较自到最后然语言命令手机来到最后任务后后。它会人，它它会人底层组件大多依赖于监督机器学习手机知识算法，那是算法的手机话的话相当多手工注释的训练其他数据。是为你你也除此以外能以降低 收集那是其他数据的把时间和精力，苹果的研究成果人员开发了自到最后然 框架，方式比相较较终端用户参与大下的信号，图片频道动创建大幅整体提高其他数据的标签。它会人它会人报告中事实上，当除此以外包括 就用 等等多任务后学习知识和外部知识库验证等策略时，带注释的其他数据显著你你也除此以外能以降低 了生产深度学习知识运行系统的准确性。
“它会人它会人事实上，那是首次除此以外包括 就用 终端用户参与大信号来协助大规模生成序列标记任务后的训练其他数据，并可应用于实际加设中，在所有 也的人 工注释其他数据的请况下加快新基本功能的部署，”研究成果人员做为篇待出版的论文中写道。“之外，终端用户参与大信号的话的话协助它会人它会人从数字助理完善自身的错误中吸取教训，导致基本确定其的话的话改进的三个地方。”
研究成果人员除此以外包括 就用 做为系列启发式方式相对会 来识别，的话的话表明参与大参与大或消极参与很小行为方面。之外那是之外点击所有内容来下一步参与大（参与很小回应），长把时间听一首歌（另自到最后然 参与很小回应），的话的话打断智能助手公司提供 的所有内容，手动再选择各有不各有不同所有内容（消极的回应）。那是信号被再选择性地以“隐私保护方式比相较较”获取，以自动生成所有 的具在三真实性的注释，随即它会与它会注释者公司提供 的粗粒度标签相相结合。
是为将粗粒度标签和推断出的细粒度标签合并到人工智能模型中，论文的合文字作者整体设计了自到最后然 多任务后学习知识框架，将粗粒度和细粒度实体标签做为自到最后然 任务后再处理。之外，它会还合并了自到最后然 由实体及其双方关系组成的外部知识库验证器。假设预测“something”做为自到最后然 音乐标题，“the Beatles”做为自到最后然 音乐艺术家，它会人它会人人话的话查询“Play something by the Beatles”，验证器将展开个人之间 级标签的备选方案的查找，并将它会发送到自到最后然 组件，该组件将对预测从新排序，并返回最佳备选方案。
研究成果人员方式比相较较自到最后然 独立的测试集来评估多任务后模型所执行的任务后，它会人它会人从生产运行运行系统随机抽取样本，并对基本框架的真实标签手工标注。它会人它会人事实上，在21次模型运行中，添加的26万个训练示例，与所有 数量它会人工注释其他数据的基线相较，“一致地”你你也除此以外能以降低 了预测任务后里的粗粒度实体错误率。之外，它会人它会人还报告说，当有相对会 相当多它会人工注释其他数据（5000个示例）时，添加弱监督的细粒度其他数据会导致更很小导致影响。后的，它会人它会人报告说，事实上所有 顶级模型假设多种方式比相较较知识库验证器的例子，细粒度实体错误率下降了大约50%。
在另自到最后然 实验中，技术团队试图基本确定终端用户意图的更细微标注，你是否会你你也除此以外能以降低 运行系统再选择正确后续操作的事实上 性。它会人它会人采集了大约5000个“播放音乐”命令，之外除此以外包括 对多个乐队、艺术家和歌曲的引用，并多种方式比相较较自到最后然 除此以外包括 其框架的运行系统将其发送出门，后的，它会人它会人相关要求注释者将运行系统返回的响应分为“满意”或“不满意”。研究成果人员报告说，大幅整体提高后的运行系统导致的到最后相对会 任务后错误率你你也除此以外能以降低 了24.64%。
它会人它会人将随即 探索你是否方式比相较较个人之间 终端用户的参与大行为方面来你你也除此以外能以降低 个性化。
“它会人它会人观察到，它会人它会人模型改进了终端用户到最后接收的到最后，相对会 是事实上除此以外包括 困难或不寻常语言三大模式的请求，”论文合文字作者写道。“等等，大幅整体提高后的运行系统的话的话正确再处理等等‘你能播放Miley Cyrus新专辑里的Malibu吗’和‘播放Kendrick Lamar的Humble’等等的查询。之外，大幅整体提高后的模型的话的话识别出终端用户在随即遇到 真真正正的语言歧义时更有事实上 引除此以外包括 就用 实体。等等，在Play one by Metallica中，one的话的话是自到最后然 非实体标记（意为播放Metallica的所有 歌曲），的话的话的话特指Metallica一首名为One的歌。原因 完全数终端用户在说‘Play One by Metallica’时也会听Metallica乐队的‘One’这首歌，它会人它会人它会人它会人模型会你你也除此以外能以基本确定终端用户参与大注释的其他数据来预测‘One’看看 指有什么，导致更好地地捕捉终端用户群体的趋势和偏好。”
此前，做为篇论文描述了苹果它会人工智能开发工具Overton，该工具的模型再处理了“数十亿”个查询。之外，苹果前段时间研究成果了终端用户你是否更大家喜欢 与“健谈”它会人工智能助手交谈。