网易伏羲实验室入选信通院首批大模型优秀应用案例

近日，由中国信息通信研究院、人工智能关键技术和应用评测工业和信息化部重点实验室等机构共同发起的2022可信AI峰会在北京成功举办。在峰会大模型分论坛上发布了大模型开发及模型能力两部分标准，并公布了“2022大模型优秀应用案例”名单，网易伏羲实验室「 LOFTER-AI 写文」和「傀儡戏-互动式文字游戏」同时入选“2022大规模预训练模型优秀应用案例”，在大模型技术及AI实践领域再获行业认可。

一、多人角色扮演文字游戏-傀儡戏

随着大规模预训练语言模型的快速发展，规模从数亿参数扩大到数千亿，性能得到显著提升。网易伏羲实验室作为人工智能探索的先锋团队，在关注大模型创新化、规模化的同时，同样重视如何将人工智能的前沿技术落地在业务场景中;网易在游戏产品中推出了一批基于自研预训练语言模型的创新玩法，例如《遇见逆水寒》的“傀儡戏”，《忘川风华录》的养猫玩法，《逆水寒》的养育系统等等，获得了广大用户的大量好评。

《遇见逆水寒》 是网易自研的一款中国古风游戏，因为传统游戏的剧情设定多是提前设置剧情分支，根据玩家选择执行后续剧情，所以剧情脉络单调、玩家体验受限。而且在游戏开发阶段需要大量的文案同学进行游戏剧情编写，游戏剧情受限于人工成本;在大模型技术发展之前，缺乏对应的 AI 技术改变这一现状。

网易伏羲实验室通过大模型预训练生成模型参数，以及模型推断等技术手段丰富游戏剧情走向，从而开发出了多人角色扮演文字游戏-傀儡戏。在傀儡戏玩法中，玩家在剧本中扮演不同的角色，然后多个玩家相互协作，通过输入文字，引导剧情的发展，达成剧本预定的游戏目标。语言模型在傀儡戏玩法中起到生成后续剧情和判断游戏目标是否达成的作用。由于语言模型生成文本是随机的，玩家在同一个剧本中每次都会有不同的游戏体验，并且玩家还可以自己编写剧本，整套玩法形成闭环。傀儡戏玩法在业内属于首创。

网易伏羲为了保证预训练模型的生成效果，使用网易业务积累的高质量文本数据训练和微调预训练语言模型，并且在生成时通过角色名控制、性别判定、后排序等方法进一步提升生成效果。为了降低服务的响应时间和部署成本，我们自研并开源了Transformer模型加速引擎EET,

https://github.com/NetEase-FuXi/EET。加速效果相比于业界其他开源工具处于领先水平。相关研究成果发表在NAACL-2022 Industry Track。

傀儡戏在《遇见逆水寒》 上线首日，有超过20%的玩家进行体验并给予良好反馈，游戏的用户黏性和日活跃用户数也因此均提升10%。

二、网易LOFTER-AI写文

网易LOFTER是一款深受Z世代年轻人喜爱的兴趣创作社区。本项目将预训练语言模型在网易LOFTER中进行应用，将大模型应用于文学作品的创作中，利用AI技术帮助用户创作故事，降低用户写作门槛。既可以引导用户主动对内容进行再创作，也可以促使用户主动进行娱乐性传播，从而达到吸引新用户与提升站内活跃用户的目的，并且提高品牌的影响力。

AI写文使用了和傀儡戏相同的预训练模型和类似的后处理和排序策略，并且使用了EET加速引擎进行服务部署。相比于傀儡戏，AI写文的最大的技术挑战在于文本生成长度。对用户的每个输入，模型要生成400字的故事。为了保证生成效果，我们采用分段式生成方法，先生成两百字进行处理和排序，然后选择最优结果生成剩余200字。我们通过产品进一步规避AI算法的弱点，后两百字一次返回3个结果，让玩家去挑选。好的AI落地案例，产品设计和AI算法效果同等重要。

在大模型使用前，由于创作门槛较高，大部分消费内容的用户不具备创作能力，网易LOFTER缺乏降低创作门槛，激励普通用户进行创作的工具与方法。在使用了基于大模型的AI故事创作之后，累计50多万用户参与了AI写文活动，累计生成故事次数400多万，累计生成33亿字。在活动中，超过20万以上之前近一个月没有创作过故事内容的用户参与了AI创作活动，丰富了网易LOFTER社区的内容，极大推动了优质内容的创作。

网易伏羲作为国内专业从事游戏与泛娱乐AI研究和应用的顶尖机构，正在把AI技术和产品开放给更多合作伙伴，让人工智能技术惠及更多领域;目前，网易伏羲已服务超200家客户，应用日均调用量超数亿次。