菠菜平台-十大菠菜平台

学院新闻

近日，加拿大蒙特利尔大学盘算机科学与运筹学系的聂建云教授和刘邦助理教授应菠菜平台高瓴人工智能学院窦志成教授邀请进行学术交流与会见。在此期间，两位专家于2023年8月12日划分为全院师生带来了题为“对话式搜索中的上下文信息利用”与“质料科学中的自然语言处置惩罚”的学术陈诉。本次讲座由高瓴人工智能学院徐君教授主持。

聂建云教授的学术陈诉着重探讨“在对话式搜索中如何充实利用对话上下文信息”。他首先引入了对话式信息检索的基本看法，并通过生动的案例展示了在对话式搜索中所面临的诸多灾题及传统解决要领。随后，聂建云教授详细介绍了他的研究团队在KDD 2023聚会会议上发表的论文《Learning to Relate to Previous Turns in Conversational Search》。该论文关注于在对话式搜索中，仅有部门对话历史与当前查询有关，他们提出了一种动态的相关历史信息选择机制，以淘汰对话历史中与本轮搜索无关的滋扰信息。在多轮对话场景中，该要领已经逾越了现有最佳要领。最后，聂建云教授结合当下热门的大型语言模型，展望了检索系统与大模型的融合，并回覆了观众们的提问。

随后，刘邦助理教授进行了题为“质料科学中的自然语言处置惩罚”陈诉。在质料科学领域，每天都市涌现大量异构数据，如科学出书物、实验室陈诉、手册、表格等。因此，自然语言处置惩罚在理解息争析质料科学富厚数据集方面发挥着要害作用，尤其是在理解科学文献并从中提取有用信息方面。然而，将NLP技术直接应用于质料科学领域并不能在种种任务中取得理想的性能。原因包罗质料科学文献的内容和气势派头与一般领域文本差异，需要领域专家知识来进行理解，同时质料科学领域缺乏高质量、大规模标注的NLP训练数据集。在陈诉中，刘邦博士介绍了他们在质料科学方面的研究事情。首先，他们提出了一个名为MatSci-NLP的自然语言基准，并研究了基于BERT模型的差异预训练战略对质料科学文本理解的影响。接着，他们提出了MatSci-Instruct，一个基于指令的处置惩罚历程，用于可靠地从数据中提取质料科学信息。他们还将这一框架应用于微调自Llama的语言模型HoneyBee，这是第一个专为质料科学开发的十亿参数语言模型。最后，刘邦博士探讨了观众关于NLP与交织学科的问题，并分享了他的看法。

本次学术陈诉充实展示了聂建云教授和刘邦博士在各自领域的深厚造诣。同时，也向与会听众泛起了运筹学、深度学习与质料科学之间的相互关联与相助潜力。与会专家、研究人员和学生积极踊跃提问，促成了深入的讨论与交流。