博文

智能科学创新讲堂 | 复旦大学邱锡鹏：自然语言处理中的范式迁移

已有 1333 次阅读 2022-10-19 10:56 |个人分类:写作讲座|系统分类:博客资讯

智能科学创新讲堂(简称"创新讲堂")由中科院自动化所主办英文学术期刊Machine Intelligence Research(MIR)发起，由中科院自动化所及MIR联合主办，旨在为智能科学与技术领域的专家学者们提供一个自由交流的平台。创新讲堂将定期邀请国内外相关领域顶尖学者加盟，分享最前沿的学术进展，启迪思维、平等交流，碰撞出开创性的思维火花。

创新讲堂第十讲邀请到MIR优秀作者、复旦大学邱锡鹏教授带来"自然语言处理中的范式迁移"的报告。2022年10月20日(周四)15点，诚邀您出席！

报告主题：

自然语言处理中的范式迁移

主讲人：邱锡鹏教授

复旦大学计算机学院教授，国家优青获得者，主要从事自然语言处理、深度学习等方向的研究，发表CCF A/B类论文70余篇，获得ACL 2017杰出论文奖(CCF A类)、CCL 2019最佳论文奖、《中国科学：技术科学》2021年度高影响力论文奖，有5篇论文入选PaperDigest发布的ACL/EMNLP等会议的最有影响力论文(每届会议中引用率最高的15篇论文)，主持开发了开源框架FudanNLP和FastNLP，已被国内外数百家单位使用。2015年入选首届中国科协青年人才托举工程，2018年获钱伟长中文信息处理科学技术奖青年创新奖，2020获第四届上海高校青年教师教学竞赛优等奖，2021年获首届上海市计算机学会教学成果奖一等奖(第一完成人)。

邱锡鹏教授最新论文：

复旦邱锡鹏团队 | 综述：自然语言处理中的范式转换

近年来，自然语言处理任务的神经网络建模已经形成了几种主流范式，如序列标注、匹配、序列到序列等。相关研究发现，这些范式的迁移常常可以使得模型在特定任务中取得更好的效果，例如用序列到序列范式去解决一个序列标注任务。随着预训练模型的发展，自然语言处理中的范式迁移现象愈发频繁，并且涌现出了一些有潜力统一各类自然语言处理任务的通用范式。在本次报告中，我们将回顾近年来发生在自然语言处理领域中的范式迁移现象，对几个通用范式进行对比、分析和展望。