La détection de spam Gmail a reçu ses «plus importantes améliorations de la défense en années récentes».

Bloquer les e-mails indésirables est un combat constant et en évolution permanente, et la dernière technique de Gmail permet d’améliorer la détection de 38 % grâce à une meilleure identification du texte. Les spammeurs utilisent souvent des homoglyphes (caractères ressemblant de manière similaire à des lettres réelles), des caractères invisibles, du bourrage de mots clés et d’autres «manipulations de texte adverses» pour contourner les modèles de classification de texte de Gmail qui identifient les attaques de hameçonnage, les escroqueries et autres contenus nocifs. Google contre-attaque avec RETVec (Resilient & Efficient Text Vectorizer). Open source par Google Research, cette approche «aide les modèles à atteindre des performances de classification de pointe et réduit considérablement le coût de calcul», tout en prenant en charge «toutes les langues et tous les caractères UTF-8 sans nécessiter de prétraitement du texte». Cela le rend idéal pour les cas d’utilisation en mode hors connexion, Web et d’autres à grande échelle: dans Gmail, RETVec a amélioré le «taux de détection des spams par rapport à la baseline de 38 %», tout en réduisant à la fois le taux de faux positifs (de 19,4 %) et l’utilisation de l’unité de traitement de tenseur (de 83 %). RETVec parvient à ces améliorations en arborant un modèle de plongée en mot très léger (~ 200k de paramètres), ce qui nous permet de réduire la taille du modèle de transformateur à des performances égales ou meilleures, et de pouvoir diviser le calcul entre l’hôte et le TPU de manière efficace en termes de réseau et de mémoire.