T5 (Text-To-Text Transfer Transformer) ist ein 2019 von Google vorgestelltes Encoder-Decoder-Sprachmodell, das sämtliche Aufgaben des Natural Language Processing (NLP) einheitlich als Text-zu-Text-Problem formuliert, bei dem sowohl Eingabe als auch Ausgabe als Text vorliegen.
Erklärung
Über ein vorangestelltes Aufgabenpräfix im Eingabetext (etwa zur Übersetzung, Zusammenfassung oder Klassifikation) nutzt T5 ein und dieselbe Modellarchitektur, Verlustfunktion und Dekodierungslogik für unterschiedlichste Sprachaufgaben. Im Unterschied zu reinen Decoder-Sprachmodellen liest der Encoder zunächst den gesamten Quelltext bidirektional ein, bevor der Decoder die Zielausgabe erzeugt. Weiterentwickelte Varianten wie Flan-T5 oder das mehrsprachige mT5 kommen in B2B-Software häufig als spezialisierte, lokal betreibbare Modelle zum Einsatz: Feinjustiert auf eigene Unternehmensdaten fassen sie E-Mail-Verläufe oder Gesprächstranskripte zusammen, extrahieren strukturierte Felder aus Kundenanfragen oder klassifizieren Support-Tickets bei kalkulierbarer Latenz und deutlich geringerem GPU-Speicherbedarf als große Allzweck-LLMs.