报 告 人：桂韬 副研究员

单位：复旦大学

报告时间：2022年12月7日（周三）19：00～20:00

报告所在： #腾讯聚会：512-344-490

约请人：王昊

报告摘要：

深度神经网络在险些所有自然语言处置惩罚使命中都取得了很是好的效果，，，在包括阅读明确在内许多使命的标准评测荟萃上抵达了逾越人类的准确性。。。。然而，，，我们在现实应用中确发明，，，在真实场景中许多模子的效果大打折扣，，，所获得精度甚至远远低于古板机械学习要领。。。。近年来的许多研究也批注，，，深度神经网络模子在仅仅添加了很小的扰动的样本上，，，其展望效果也很可能泛起大幅度下降。。。。模子鲁棒性的研究也因此受到越来越多的关注。。。。在本次报告中，，，将针对自然语言处置惩罚算法的鲁棒性问题，，，在语料构建、文本体现、模子剖析、鲁棒性评测等方面的最新研究举行先容。。。。

报告人简介:

桂韬，，，复旦大学自然语言处置惩罚实验室副研究员、硕士生导师。。。。研究领域为自然语言处置惩罚、信息抽取和鲁棒模子。。。。兼任中国中文信息学会青年岁情委员会委员、青源会青年科学家。。。。在高水平国际学术期刊和聚会上揭晓了40余篇论文，，，主持国家自然科学基金、CCF-犀牛鸟、华为、？？低视、悟道、微软等多个基金项目。。。。担当 TPAMI、ACL、EMNLP、AAAI、IJCAI 等著名期刊/聚会领域主席或审稿人。。。。曾获中国中文信息学会优异博士论文奖、COLING2018 领域主席推荐奖、NLPCC2019 亮点论文奖、复旦大学“学术之星”特等奖，，，入选第七届“中国科协青年人才托举工程”。。。。