近年来，自然语言处理任务的神经网络建模已经形成了几种主流范式，如序列标注、匹配、序列到序列等。相关研究发现，这些范式的迁移常常可以使得模型在特定任务中取得更好的效果，例如用序列到序列范式去解决一个序列标注任务。随着预训练模型的发展，自然语言处理中的范式迁移现象愈发频繁，并且涌现出了一些有潜力统一各类自然语言处理任务的通用范式。在本次报告中，我们将回顾近年来发生在自然语言处理领域中的范式迁移现象，对几个通用范式进行对比、分析和展望。https://mp.weixin.qq.com/s/w24QY1nvS4QOpS6MnX8HAg
