Les détecteurs de spam Gmail ont reçu les «plus importantes améliorations de défense depuis quelques années».

bloquer le spam par courrier électronique est une bataille constante et en évolution permanente, et la dernière technique de Gmail permet une amélioration de 38 % de la détection grâce à une meilleure identification du texte. Les spammeurs utilisent souvent des homoglyphes (caractères ressemblant de façon réaliste aux lettres), des caractères invisibles, du remplissage 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 autre contenu nocif. Google réplique avec RETVec (Resilient & Efficient Text Vectorizer). Développé en open source par Google Research, cette approche «aide les modèles à atteindre les meilleures performances de classification 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 autres à grande échelle: dans Gmail, RETVec a amélioré le «taux de détection de spam 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 très léger d’appariement de mots (~ 200 000 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.