为了加速自然词汇处置数学模型能应用于多种的词汇，facebook开放源码正式发布跨词汇语句向量排序辅助工具LASER（Language-Agnostic SEntence Representations），该辅助工具全力支持超过90种词汇，让自然词汇处置数学模型能单纯地切换到另两个词汇上，包涵这些体能训练统计数据极少的词汇，像卡巴德语、哈萨克族语，甚至连吴语也包涵其中，不光的是，LASER是将大部份词汇内嵌到两个协力向量内部空间，而非每一语言有分立的数学模型。

LASER辅助工具会将每一语句完全相同词汇的统计数据，通通引入高层次的内部空间中，目地就是让完全相同原意的语句能在同两个邻近地区地区，输入的统计数据能被视作两个在语法向量内部空间中通用型的词汇，facebook研究项目组发现，在向量内部空间中的距，与语句的语法相似某种程度有两极化的互有关连。

facebook选用的方式即是通过目前的脊髓用例控制技术Seq2seq，将大部份词汇输入至5层的单向长implantation（bidirectional LSTM）互联网，再用两个协力的记忆卡产生词汇的输入结论，完全相同的是，facebook是用1,024层次一般来说大小不一的向量，来则表示输入的语句，这样一来，能较为语句的记法并将其间接送进预测器中。

facebook则表示，LASER是第两个能在两个数学模型中，处置多种词汇的C#，该科研成果能帮助facebook合作开发自然词汇处置有关的机能，像在两个词汇中，将影片赞扬分成正评和负评，再加速重新布署到其他100多种词汇。