南京大学自然语言处理研究组 NLP夏令营招募，南京大学 自然语言处理

2023南大NLP夏令营招募公告信息

南京大学自然语言处理研究组(NJUNLP)是国内早从事NLP领域科研工作的团队Team之一，先后担负国家科技攻关项目、863项目、国家自然科学基金、江苏自然科学基金等20项，获国家七五科技攻关重要成果奖1次、教育部科技进步奖2次、江苏科技进步二等奖、三等奖各一次;近3年在自然语言处理和人工智能顶级会议上(ACL、AAAI、IJCAI、EMNLP等)发表论文四十余篇，累计发表论文200+篇;多次参加自然语言处理有关的比赛和评测，并取得第一(情感分析CCF-BDCI2023、分词NLPCC12、命名实体识别SIGHAN06)。

研究组开展的本科生NLP Summer Camp活动旨在为本科生提供了解自然语言处理及运用自然语言处理技术处理实质上问题的一个实行性很强的平台。该活动设置若干自然语言处理领域的前沿课题，每个课题由本组优秀博士生负责。在报名启动时，考生们可以自愿选择感兴趣的课题。在报名结束后，研究组将按照课题方向组织面试选拔，优秀的考生可以正式参加活动。完整参加活动的考生在活动结束后将取得结题证书，后期申请保研至NLP研究组时也会被优先考虑。

一、项目计划

举行形式：此次夏令营采取线上模式。

项目周期：6月26日-8月7日，为期6周，前2周集中培训，后4周自主学习，并跟随组长进行项目实战。

项目内容：共有7个课题，后期设有通识讲座、基础课程还有学术论坛。

招募人员数量：计划每个课题招募3-5名考生。

* 注意：该夏令营与计算机系还有人工智能学院的推免夏令营无关。

二、项目要求

申请对象：原则上仅限大学第三年及以下的在学校念书本科生报名，优先考虑具有自然语言处理或机器学习基础知识的大一、大二在学校念书本科生。

时间具体安排：此次夏令营是为期六周的整个过程跟进学习，请有意参与夏令营的考生早一点具体安排好时间，不要产生具体安排冲撞、时间精力没办法及中途退出等情形。

三、申请流程

网络在线申请

即日起，可在线登录：https://wj.qq.com/s2/12303068/e305/，在内容框中填写报名信息，申请截止日期为：5月30日23:59。

资格初审

申请结束后，工作小组对申请者提供的报名信息进行资格初审，面试名单，预估在6月2日以公众号还有邮箱形式公布。面试时间初计划于：6月3日-6月4日。

结果公布

面试结束后，工作小组结合考生信息还有面试情况，确定夏令营入围名单，预估在6月5日发布。

以上项目流程发布日期都是拟定，详细时间以后续公告为准，请对夏令营感兴趣的考生根据初步拟定的日期具体安排规划好自己时间，并在这里这个时间段随时关注自己的邮箱还有我们的公众号，不要产生错过公告的情况。

四、课题名称

深度神经互联网局部解释算法的质量评估

近几年来，深度神经互联网(DNNs)在广泛的任务中获取了先进的性能。然而可解释性方面的限制阻碍了它们在现实世界中的应用。局部解释算法是一系列旨在回答以下问题的技术：为什么模型会做出这个特定的预测?这个特定的特点值对预测有哪些影响?

现在已有的工作提出了一系列局部解释算法为模型在单个样本上的预测生成解释。然而现在没有一个良好的指标用于评估不一样算法生成的解释的质量和可信度，还有这些解释与人类理解的有关性。针对以上问题，本课题将带着营员复现主流的局部解释算法，从人类理解的的视角上对比不一样算法当中的差异，评估不一样算法的解释能力。

非自回归神经机器翻译

现在神经机器翻译模型大多采取自回归(Autoregressive)的解码方法，在解码时自左向右逐词输出。虽然自回归解码方法具备优异的解码性能，但逐词解码也会出现非常高的解码时延，进一步降低了解码效率。

针对这个问题，研究人员提出了根据非自回归(Non-Autoregressive)解码方法的翻译模型，在解码时并行输出全部词，大幅提升了解码效率。然而伴随着解码速度的提高，模型解码质量也有着相对的程度的下滑。因为这个原因，现在研究人员为在保持高效解码的前提下，改善非自回归解码质量，以达到“很快，更好”的目标。在此次夏令营中...将带着营员回顾并复现近几年来具有代表性的提高非自回归解码质量的几类方案，评估比较不一样方案当中的优劣差异，理解非自回归解码现在实质上的困难。

社交媒体计算与分析

社交媒体已经深入到了我们生活的方方面面，互联网语言在社交领域的沟通中得到了越来越广泛的应用，而数据的实时性、形式的多样性及复杂的关联也带来了很多机会和可能与挑战。本课题通过结合语言学、社会学、传播学、心理学等多学科，探索将计算和分析方式运用在社会科学领域的问题中，研究方向涵盖语言行为(比如抱怨、吹牛、冒犯等)、谣言检测、心理健康等。在社交媒体中，如何结合社会理论，量化指标，对数据进行认真分析与应用将是本课题重点探讨的问题。

结合大语言模型的个性化文本生成

个性化文本生成旨在通过逐一阅读认真分析用户需求、喜好和行为特点，为用户提供量身定制的文本生成服务。尽管ChatGPT这种类型根据大规模语言模型的对话系统近几天为用户带来了颠覆性的体验，但其在个性化生成方面仍带来一定缺乏，很难满足不一样用户在各自不同的场景下的需求。其实，有关大规模语言模型个性化生成能力的研究也还是很有限。本课题拟回顾并复现近几年来在个性化文本生成领域的代表性成果，探索现目前开源的大规模语言模型在个性化文本生成上的潜力，并尝试进行一部分改进。

分子表征学习

分子表征是人工智能交叉生命科学的热点研究领域，主要特别注意如何将分子的结构和性质信息表示为合适深度学习模型处理的形式。在这个任务中，一般需从分子结构中提取有意义的特点，并将这些特点转换为数值或向量形式以便在药物设计、材料科学等领域进行预测和分析。现有的分子表征手段主要有三种维度：根据1D smiles序列输入的序列模型、根据2D分子图的图神经互联网模型还有根据3D结构坐标的模型。如何在深度学习模型的基础上充分利用结构信息进行分子表征学习是各位考生探究的难点。本课题将带着营员复现各自不同的前沿的分子表征方案，系统的对比不一样表征方式当中的差别，探索分子表征途中碰见的困难与问题还有体会人工智能交叉生命科学的意义。

探究AI作画模型的推理能力

推理能力是人类智能的核心之一，针对一段文本，人类可以比较容易从中推断出文本中没有显示表达的知识。比如，人类可以比较容易从描述“一种黑白相间、喜欢吃竹子的中国特有哺乳动物”中推断出描述对象是熊猫。本课题提出这样的问题：现有AI作画模型是不是具备人类这样的推理能力?详细来说，本课题将重点特别要注意关注上面说的例子中展示的根据属性的推理能力，即输入针对某一特定类别标签的描述性文本，观察AI作画模型是不是可以生成合理的图片。构建数据集、量化评价指标将是本课题的研究重点。

多模态信息详细指导的开放世界小样本图像识别

传统的小样本图像识别模型大多根据封闭世界的假设，即目标域测试集必属于训练类别。但是实质上应用场景时常不服从这个假设，在开放世界的假设下，模型需处理测试集中的未知样本(比如小样本开放集识别和小样本类别增量式识别等)。在测试阶段，模型需侦测出未知类别的样本，同时也要正确区分已知类别的样本，甚至再进一步学习未知类别的样本。如何利用多模态数据(图像，文本等)提高模型对未知类别样本的侦测能力和对已知类别样本的区分能力，同时不要灾难性遗忘是本课题探究的重点问题。

五、联系方法

如有任何疑问，请联系邮箱：见官方网站