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