随着人工智能的火熱，AAAI、NeurIPS、CVPR 等頂級學術會議的影響力也愈來越大，每年接收論文、參會人數的數量連創新高。

ACL，作為國際最受關注的自然語言處理頂級會議，每年都吸引了大量華人學者投稿、參會，今年的 ACL 大會已是第 60 屆，将于 5 月 22-5 月 27 舉辦。因為疫情原因，國内 NLP 從業者參與大會将受到很大的限制。

為了給國内 NLP 社區的從業人員搭建一個自由輕松的學術交流平台，機器之心組織了「ACL 2022 線上論文分享會」，定檔 5 月 21 日雲端相聚。

本次 ACL 論文分享設置了 Keynote、 論文分享、企業招聘等環節，就業内關注的 Transformer、大規模預訓練模型等 NLP 熱門主題邀請頂級專家、論文作者與觀衆做學術交流。

目前，Keynote 分享嘉賓與演講主題正式公布：

秦兵 大模型背景下可信自然語言理解

分享摘要：當前，以 BERT、GPT 為代表的、數據驅動的大規模預訓練自然語言理解模型已經在多個自然語言理解任務上面取得了令人印象深刻的性能，成為自然語言理解的新範式。然而，當前大模型給出的自然語言處理結果在可信程度上還比較薄弱，主要體現在三個方面：模型的穩定性差、可解釋性弱、泛化能力不足。本次報告介紹我們如何在大模型背景下進行可信自然語言理解的問題。首先，針對大模型穩定性差的問題，介紹因果機制引導的穩定自然語言理解方法；其次，針對大模型可解釋性弱的問題，介紹基于神經符号的可解釋自然語言理解方法。最後，針對大模型泛化性不足的問題，介紹面向低資源的可泛化大模型訓練架構。

分享人介紹：秦兵，哈爾濱工業大學長聘教授，博士生導師。科技部科技創新 2030-“新一代人工智能”重大項目管理專家組成員，中文信息學會理事、情感計算專委會主任、語言與知識計算專委會副主任。在人工智能及自然語言處理方面開展了許多研究，取得了一些有影響力的研究成果，入選 “福布斯中國 2020 科技女性榜” 和“愛思唯爾”高被引學者榜單。

李磊 大規模多語言翻譯：挑戰與機遇

分享摘要：可翻譯很多語言的大一統翻譯模型已經成為最新熱點。大一統多語言翻譯模型具有翻譯性能和工程部署便利等好處。但要讓一個模型在幾十到上百種語言上都能翻譯較好仍有很大挑戰。本次報告我們将介紹大規模多語言翻譯的幾個核心挑戰，包括大語種性能下降、參數沖突、數據高度不平衡等。我們也會概述解決這些挑戰的方法，以及未來研究的機遇。

分享人介紹：李磊，加州大學聖巴巴拉分校計算機科學系助理教授。他在上海交通大學獲得學士學位，在卡内基梅隆大學獲得博士學位，研究興趣包括自然語言處理、機器翻譯和機器學習。李磊關于挖掘共同進化時間序列快速算法的論文曾獲得 ACM KDD 最佳論文(亞軍)，關于新聞寫作機器人 Xiaomingbot 的研究于 2017 年獲得吳文俊人工智能二等獎。此外，他也是 2021 年 ACL 最佳論文獎、2019 年 CCF 青年精英獎和 2017 年 CCF 傑出演講者等榮譽的獲得者。

此前，李磊曾在加州大學伯克利分校 EECS 系擔任博士後研究員、百度矽谷深度學習研究院 (Institute of Deep Learning) 首席研究員，并在字節跳動擔任人工智能實驗室 (AI Lab) 首任負責人。李磊啟動了 ByteDance 的機器翻譯系統 (VolcTrans) 和 Xiaomingbot 自動寫作系統，他的許多算法已經部署在生産中(今日頭條、抖音、 Tiktok、 Lark) ，為超過 10 億用戶服務。

邱錫鵬 邁向大規模高效自然語言處理

分享摘要：近期超大規模預訓練模型将很多 NLP 任務的準确率提升到了前所未有的高度，但是大模型的主要缺點是在參數、訓練、推理、部署方面都存在效率問題。在本報告中，我們主要關注于模型效率，并介紹如何通過模型設計、早退、标簽學習、統一模型、黑箱優化等維度來提升模型效率。

分享人介紹：邱錫鵬，複旦大學計算機學院教授，國家優青獲得者，于複旦大學獲得理學學士和博士學位。主要從事自然語言處理、深度學習等方向的研究，發表 CCF A/B 類論文 70 餘篇，獲得 ACL 2017 傑出論文獎（CCF A 類）、CCL 2019 最佳論文獎，有 4 篇論文入選 PaperDigest 發布的 IJCAI/ACL/EMNLP 的最有影響力論文（各會議每年 10 篇）。出版開源專著《神經網絡與深度學習》，Github 關注數 1.5 萬，豆瓣評分 9.4 分。主持開發了開源框架 FudanNLP 和 FastNLP，已被國内外數百家單位使用。2015 年入選首屆中國科協青年人才托舉工程項目，2018 年獲錢偉長中文信息處理科學技術獎青年創新獎一等獎，2021 年獲首屆上海市計算機學會教學成果獎一等獎（排名第一）等。培養學生曾獲中國中文信息學會優博、中國人工智能學會優博、上海市計算機學會優博、微軟學者、百度獎學金等。

張嶽 人在閉環的自然語言處理

分享摘要：随着深度學習的發展，自然語言處理取得顯著進步，在許多标準測試集上接近或超越了人類的水平。然而，深度學習模型也展現出魯棒性和邏輯推理等方面的局限。近期研究顯示，這些局限的重要原因是模型沒有學到關鍵特征，而是依賴僞特征進行判斷。為解決上述問題，本次報告介紹兩個人工介入幹預的辦法，提升關鍵特征把握。實驗證明，對于情感分類問題，關鍵特征可以讓模型通過 50 個樣本達到 3000 個樣本的訓練效果。對于機器翻譯問題，人工幹預不僅可以大幅提升性能，還給翻譯産品提供了一個新的可能模式。

分享人介紹：張嶽，西湖大學工學院文本智能實驗室特聘研究員。2009 年博士獲牛津大學計算機科學博士學位，而後在劍橋大學從事博士後研究，再後進入新加坡科技與設計大學任助理教授。2018 年 9 月全職加入西湖大學。主要研究領域為自然語言處理、文本挖掘、機器翻譯，以及自然語言處理在金融、生物醫藥等領域的應用。

四位 Keynote 分享之外，全天日程還包括10篇論文分享、佳期投資線上招聘會等環節，詳情請關注機器之心的後續報道。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!