Task NLP text-to-text: traduzione, sintesi, QA e altro
Le task text-to-text (seq2seq) trasformano una sequenza di testo in input in una sequenza di testo target. Sono la spina dorsale dei moderni LLM (T5, BART, GPT, LLaMA).
Categorie di task principali
| Task | Input → Output | Esempio |
|---|---|---|
| Traduzione | Lingua A → Lingua B | “Hello” → “Hola” |
| Sintesi | Documento lungo → Sintesi breve | Articolo → 3 punti elenco |
| Domande e risposte | Contesto + Domanda → Risposta | Brano + “Chi ha vinto?” → “Squadra A” |
| Parafrase | Testo → Stesso significato, nuove parole | “Piove” → “Sta cadendo precipitazione” |
| Classificazione del testo | Testo → Etichetta/e | Recensione → “Positiva” |
| Correzione grammaticale | Rumoroso → Pulito | “Lui va” → “Lui va” (corretto) |
| Generazione di codice | Linguaggio naturale → Codice | “Ordina lista” → sorted(lst) |
| Dialogo | Storia → Enunciato successivo | Contesto chat → Risposta bot |
Approcci di modellazione
- Encoder-decoder (T5, BART) – Encoder bidiretzionale + decoder autorgressivo; addestrato con corruzione di span / denoising.
- Decoder-only (GPT, LLaMA) – Singolo stack autorgressivo; promptato con prefisso di task (“Traduci in francese: …”).
- Prefix-tuning / LoRA – Adattamento efficiente a nuove task text-to-text.
Metriche di valutazione
- BLEU / chrF / TER – Traduzione.
- ROUGE / BERTScore – Sintesi.
- Exact Match / F1 – QA estrattivo.
- Accuracy / F1 – Classificazione.
Sfide
- Allucinazione (fedeltà alla fonte).
- Controllo della lunghezza (sintesi troppo lunga/corta).
- Lingue a risorse limitate.
- Stile/tono controllabile.
La framing unificato text-to-text (Raffel et al., 2019) ha trasformato l'NLP in “tutto è generazione”, consentendo il multitasking su larga scala con un singolo modello.