“文本摘要！T方法同样可以用于文本摘要任务，其中模型的输入是一篇文本，输出则是该文本的主要内容主旨。这对于需要快速了解文章内容的人来说非常用，例如新闻编辑人员或者其他读者。不过目前对文本的长度还有所限制。”

几千上万字的文章，一两分钟为你总结，这是T方法得天独厚的能力。传统网络完全无法跨如此长的距离对整体的内容进行分析和理解。

“文本分类！文本分类是将给定文本归类到不同的类别或标签中的过程，例如文本内容是否涉及体育、娱乐、科技等特定领域，是否包含某些关键的内容。这对T方法来说，更是不在话下，它可以轻松捕获文本中的关键词，将对于的文本归于相关的类别当中。”这种方法对爬虫和数据收集非常友好，可以用以将大量的杂乱文本分门别类。

“命名实体识别！在长文本当中，识别出分别代表人名、地名、组织名称、时间、日期等实体信息，抓取这些特定的属性也是一种常见的需求。”

孟繁岐每提及一项任务，背后都会有对应的对比图表出现，数据和实验结果详实，令人惊叹。

这些都是谷歌在类似任务上的大量积累导致的，在这些方向上经年累月的投入，环境和流程非常成熟，使得孟繁岐在T方法构建出来之后，可以迅速地加入这些流程当中去迭代实验。

辅以各路同事的帮助，加上上千张最新款的泰坦Z，实验速度大大加快。

倘若让孟繁岐自己做完这些实验，至少也得埋头做到今年年底才行，绝不可能此时就已经得出结果。

“求求了，我孙咲川求求你别再发布了！这样下去兄弟们马上毕不了业了呀...”最开始的时候，自然语言和语音领域的AI研究者们是很期待孟繁岐加入进来的。

毕竟孟繁岐在图像领域的这大半年，妙计频出，使得整个领域那是欣欣向荣。

当然了，最最关键的还是老大难的落地问题被解决了，去年YOLO系列让白度赚了好大一笔。年初人脸系列也已经全面开始落地。

技术能落地，才会有资本青睐，搞这方面技术的人当然身价也会水涨船高。

目前为止，在人工智能领域坚持了好几年的人，在早些时候都曾经被人说过，类似于“这个领域没什么前途”，“根本赚不到钱的”之类的话。

可现在，YOLO系列和人脸系列大规模投入使用，视觉算法背景的人才薪资待遇那是原地起飞。