直播预告| 清华CoAI小组——郑银河、刘劼西

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

7月17日 19:30~21:00

AI TIME特别邀请清华CoAI小组——郑银河、刘劼西，为大家带来分享！

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

★ 邀请嘉宾 ★

郑银河：

清华大学计算机系博士后，合作导师为黄民烈副教授。研究方向为对话生成和对话理解。曾在ACL，EMNLP，AAAI等领域知名会议与期刊上发表多篇论文，其在预训练对话模型领域的工作曾获得NLPCC2020 最佳学生论文奖。

报告题目：

对话生成中的风格化和多样性

内容简介：

对话生成模型是目前对话系统领域的研究热点。其主要目的是生成有吸引力的，多样化的对话回复。

本次报告将从两个方面介绍我们在对话生成领域的工作：1. 如何生成带有特定风格的对话回复，在本工作中，我们试图捕捉非对话文本中的文本风格，并将这一风格融入到所生成的对话回复中；2. 如何提升对话生成模型的多样性，在本工作中，我们为对话生成模型设计了自适应的标签平滑算法，这一算法可以有效地解决对话生成模型的过拟合问题，并且显著提升对话回复的多样性。

论文链接：

https://arxiv.org/abs/2009.12719

https://arxiv.org/abs/2105.14556

刘劼西：

清华大学计算机科学与技术系硕士生，导师为黄民烈副教授。研究方向为任务导向对话的鲁棒性测试，曾以第一作者身份在ACL、AAAI会议发表论文。

报告题目：

任务导向型对话中

自然语言理解的鲁棒性测试

内容简介：

报告介绍发表在ACL2021的论文Robustness Testing of Language Understanding in Task-Oriented Dialog。

该论文指出了任务导向对话鲁棒性问题的重要性，并首次给出了其中NLU的鲁棒性问题的系统性分类与定义。NLU的鲁棒性主要分为三方面：语言多样问题，口语特征问题，噪声扰动问题。

文中采用了4种数据增广方法来构建测试这三方面的测试集，对NLU模型进行鲁棒性测试，进行了深入的实验。目前增广方法和数据代码已经作为工具集LAUG发布在https://github.com/thu-coai/LAUG

论文链接：

https://arxiv.org/abs/2012.15262

# 今日视频推荐 #

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“PhD”，将拉您进“PhD交流群-2”！

AI TIME微信小助手

主       办：AI TIME 、清华CoAI小组

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、学术头条、biendata、数据派、 Ever链动

合作媒体：学术头条

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，

请将简历等信息发至yun.he@aminer.cn！

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注

我知道你“在看”哟～

点击 阅读原文 了解更多精彩