La détection des indésirables sur Gmail a bénéficié de «ses améliorations de défense les plus importantes des dernières années».

Le blocage des courriers indésirables est une bataille permanente et en constante évolution, et la dernière technique de Gmail permet une amélioration de 38 % du taux de détection grâce à une meilleure identification du texte. Les spammeurs utilisent souvent des homoglyphes (caractères ressemblant de manière superficielle à des lettres réelles), des caractères invisibles, une surabondance de mots-clés et d’autres «manipulations adverses du texte» pour contourner les modèles de classification de texte de Gmail qui identifient les attaques par hameçonnage, les escroqueries et d’autres contenus nocifs. Google répond avec RETVec (Resilient & Efficient Text Vectorizer). Disponible en 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 sur appareil, Web et autres à grande échelle: dans Gmail, RETVec a amélioré le «taux de détection des courriers indésirables par rapport à la version de base 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 de mots très léger (~ 200k paramètres), ce qui nous permet de réduire la taille du modèle de Transformateur à des performances égales ou supérieures, et de pouvoir diviser le calcul entre l’hôte et le TPU de manière efficace en termes de réseau et de mémoire.