🤖
机器学习
我们的研究致力于开发新型机器学习算法和理论框架。重点关注以下几个方向：
- 深度学习的理论基础：探索神经网络的泛化理论、优化景观和表示学习能力。
- 强化学习与决策：研究样本高效的强化学习算法，以及在机器人控制和游戏中的应用。
- 元学习与小样本学习：开发能够快速适应新任务的元学习算法。
- 可解释机器学习：设计透明的、可解释的机器学习模型和事后解释方法。
深度学习理论
强化学习
元学习
可解释 AI
贝叶斯方法
🗣️
自然语言处理
我们在大语言模型和自然语言处理的前沿问题上开展研究，致力于提升机器的语言理解与生成能力。
- 大语言模型：研究高效的大模型训练、微调、推理和压缩方法。
- 文本生成：研究可控文本生成、长文本生成和多样化的生成方法。
- 信息抽取与知识图谱：从非结构化文本中自动抽取结构化知识。
- 多语言与跨语言 NLP：研究低资源语言和多语言迁移学习。
大语言模型
文本生成
信息抽取
知识图谱
机器翻译
👁️
计算机视觉与多模态
我们研究视觉理解和多模态学习，探索视觉与语言的深度融合。
- 视觉-语言模型：研究视觉与语言的对齐、理解和生成。
- 图像与视频理解：目标检测、语义分割、动作识别等经典任务。
- 多模态生成：文本到图像生成、图像描述、视觉问答。
- 自监督学习：利用大规模无标注数据学习有效的视觉表示。
视觉-语言模型
目标检测
多模态学习
图像生成
自监督学习
2025 – 2028
国家自然科学基金面上项目
国家自然科学基金委员会
项目名称：基于大语言模型的某某关键技术研究。经费：XX 万元。项目负责人。
2024 – 2027
国家重点研发计划子课题
科技部
项目名称：某某智能系统研发与应用示范。经费：XX 万元。子课题负责人。
2023 – 2026
企业合作项目
某某科技有限公司
项目名称：大规模预训练模型的行业应用。经费：XX 万元。项目负责人。