圆桌论坛：大语言模型复兴——范式和挑战 скачать в хорошем качестве

圆桌论坛：大语言模型复兴——范式和挑战

简介 大型语言模型改变了我们做AI的方式。在本次讨论中,我们将探索它们为何如此革命性,以及该领域现在与以前的不同。大模型在几方面与过去的深度学习范式不同。第一,随着计算和数据规模的扩大,大模型可能继续改进。第二，大模型是通用技术—它们可以通过指令执行各种任务，最终具备推理能力。这些想法改变了AI的前沿,包括AI公司的运营方式和AI研究人员的职业生涯。 圆桌议题 鉴于我们所知道的信息,当前大型语言模型哪些部分是可以预测的，哪些部分是不可预测的? 大型语言模型能够真正进行推理吗? 语言模型的未来能力能够被预测吗? 我们可以做什么来使大型语言模型更加可靠安全? 用少量语料就可以激发语言模型的通用能力，说明了什么？ 大型语言模型的学习过程是否可以/必须借鉴人类的学习方式？ 大语言模型的推理能力能否进一步拆分，哪些特定的推理能力需要具身智能、社会协作才能完成？ 大语言模型与 Agent 的关系，Agent 研究如何促进大语言模型能力的提升？ 主讲人 Jason Wei 人工智能研究员，在 OpenAI 从事 ChatGPT 的研究工作，曾是谷歌大脑的高级研究科学家，推广了思维链提示，共同领导了第一批指令调整工作，并撰写了关于大型语言模型中的涌现的文章，并在 2022 年的谷歌 I/O 新闻发布会上介绍了思维链提示技术。 张江 北京师范大学系统科学学院教授，集智俱乐部、集智学园创始人，集智科学研究中心理事长，曾任腾讯研究院、华为战略研究院等特聘顾问。主要研究领域包括复杂系统分析与建模、规模理论、机器学习等。 李嫣然 集智学园讲师、集智俱乐部核心成员。曾任小米人工智能实验室高级算法工程师及场景对话团队研发负责人，同时也兼任着北京大学心理与认知学院的行业导师。其多年担任 AAAI，ACL，EMNLP等国际顶级会议的审稿人，并担任 EMNLP 2022 领域主席。其曾在国际顶级会议及期刊上发表论文二十余篇，涵盖情感计算、人机对话、自然语言生成等研究领域，谷歌学术累计引用逾2000次。 陆超超 陆超超博士目前在上海人工智能实验室工作，其此前取得南京大学软件工程学士学位，于香港中文大学多媒体实验室取得硕士学位，之后在剑桥大学机器人小组获得博士学位。他的主要研究兴趣是机器学习，特别是涉及到如何结合因果推理、贝叶斯推理、强化学习和深度学习各自的优势，并将它们应用在现实领域中解决实际问题，如计算机视觉和医疗等领域。 Richard 百川智能技术联合创始人，清华大学创新领军工程博士，曾是百度集团内最年轻晋升为主任研发架构师之一，百度集团总技术委员会成员，历经百度最核心的凤巢广告、搜索和智能助手等AI业务，在自然语言处理、搜索、计算广告、对话系统以及预训练语言模型等领域有10年+算法研发及管理经验。国内外专利35+，在AAAI/EMNLP/ICDM/ACL等AI顶会上发表过多篇论文，作为AI负责人领导研发出家喻户晓用户基数最大的人工智能助手，相关技术获得过DSTC10(全球多轮对话竞赛)世界冠军、EMNLP 2022 SereTOD(对话比赛)世界亚军、2022年吴文俊人工智能奖特等奖。 刘子鸣 目前是麻省理工学院（MIT）物理系博士生，导师是Max Tegmark。此前2020年他从北京大学获得物理学士学位。他的研究兴趣在AI和物理的交叉：一方面AI for Physics，利用AI工具自动化物理规律和概念的发现；另一方面Physics for AI，利用物理启发构建AI理论和更具可解释性的模型。