2024第二十一屆自然語言處理青年學者研討會嘉賓演講PPT合集（共25套打包）

1、Large-Scale Generative AI for Protein Modeling&DesignZaixiang ZhengByteDance Rhttps:/%zhengzx-nlp.github.ioYSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024Were doing Generative AI fo。

2、小分子性質優化方法匯報人：四川大學 劉祥根樣本受限條件下的中國中文信息學會YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024分子性質優化背景01.分子性質優化是從分子、原子、電子水平上利用數據庫等大量實驗數據，通過計算機技術設計出性質更好的分子。領域材料科學生物醫藥應。

3、云南 昆明2024年06月15日大模型驅動的群體智能錢 忱清華大學 自然語言處理實驗室YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024包括美國三院院士 Li Fei-Fei、美國文理學院院士ChristopherManning 和 Dan Jurafsky 在內的斯坦福大學100多位學者聯名發表長達160頁的觀點文章，提出。

4、面向開放域的大模型智能體李鵬2024年6月15日YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242大模型智能體迅猛發展 2023年以來大模型智能體受到廣泛關注，研究、框架、應用迅猛發展。https:/ et al.2023.A Survey on Large Language Model based Autonomous 。

5、Value Alignment in LLMs:Pluralism,Transferability and Controllability天津大學自然語言處理實驗室The Natural Language Processing Laboratory at Tianjin UniversityDeyi XiongTianjin Uhttps:/dyxiong.github.iohttps:/tju。

6、T To ow wa ar rd ds s L Lo on ng g-c co on nt te ex xt t MMu ul lt ti i-mmo od da al l L LL LMMs s2 20 02 24 4年年6 6月月1 16 6日日B Be en ny yo ou u WWa an ng g1YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSS。

7、大語言模型高效自動對齊基于反饋學習的模型能力自動強化演進糜飛華為-諾亞方舟實驗室-語音語義【盤古大模型研發研究員】YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024 可能下一階段大模型越用越智能、商業化能力提升的重點，是數據飛輪、基于反饋的自動強化&對齊 協同。

8、智能體自主演化學習丁丁 效效哈工大社會計算與信息檢索研究中心哈工大社會計算與信息檢索研究中心2024年年6月月15日日YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024智能體 智能體的概念來源于哲學，其根源可以追溯到亞里士多德和休謨等思想家：智能體是擁有欲望、信念、意圖和采取行動的能力的實體（Zelta et al.,199。

9、R Ro oa ad dmma ap p t to o t tr ru us st tw wo or rt th hy y mme ed di ic ca al l L LL LMMs s2 20 02 24 4年年6 6月月1 16 6日日B Be en ny yo ou u WWa an ng g1YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2。

10、Aligning Agents to Follow Human ValuesTao GuiFudan University2024年6月YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP20242Fudan NLP LabWhere Is the Attention?Zhao。

11、大模型智能體的行為安全探索張倬勝上海交通大學YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024大模型智能體：大模型的“知行合一”2缸中之腦q大模型在內容理解、推理和創作方向取得了顯著的進展，但離物理世界存在著鴻溝q知行合一：從內容智能到行為智能，構建大模型智能體，建立邁向通用人工智能的關鍵紐帶大模型智能體框架Igniting。

12、數據驅動下的大模型微調：策略與挑戰楊敏&倪仕文YSSNLP 2024 昆明YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024團隊介紹SIAT-NLP另有博士生研究生和碩士生研究生30余人譚明環 博士新加坡管理大學助理研究員倪仕文 博士臺灣成功大學助理研究員楊敏。

13、大大語語言言模模型型對對檢檢索索公公平平性性與與無無偏偏性性的的挑挑戰戰徐君 中國人民大學高瓴人工智能學院YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP20242OutlineBias and Unfairness in IR+LLMsSource Bias in Doc。

14、Large Language Models for Recommendation:Progresses and Future DirectionFuli Feng USTCThanks to Jizhi Zhang,Keqin Bao,Yang Zhang,Wenjie Wang,Xiangnan He1YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP。

15、Logical Closed Loop:Uncovering Object Hallucinations in Large Vision-Language ModelsNew Laboratory of Pattern Recognition(NLPR),State Key Laboratory of Multimodal Artificial Intelligence Systems(MAIS。

16、N Ne eu ur ro oi im ma ag gi in ng g d da at ta as se et t c co on ns st tr ru uc ct ti io on n a an nd d a ap pp pl li ic ca at ti io on nShaonan Wang2024.6.161YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP20。

17、多模態大模型驅動的營養健康管理陳靜靜 復旦大學2022024 4-0606-16161YSSLNLP 2024 多模態大模型論壇YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242提綱一、研究背景二、食物營養分析多模態大模型三、基于飲食日志的體重預測四、總結YSSNLP2024YSSNLP2024YSSNLP2024 YSS。

18、大模型時代下的生物醫學文本挖掘初步探索羅 凌信息檢索研究室計算機科學與技術學院大連理工大學2024年6月16日YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024生物醫學文本挖掘l 生物醫學文本挖掘：將人工智能技術（自然語言處理技術和機器學習方法）應。

19、報告人：林衍凱單 位：中國人民大學 高瓴人工智能學院大大模模型型工工具具學學習習YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024大大模模型型帶帶來來智智能能涌涌現現學習大大數數據據需要大大參參數數，訓練大參數模型需要大大算算力力，計算量增長使模型涌涌現現智智能能大大模模型型隨隨計計算算量量增增長長而而不不斷斷生生出出新新能。

20、Recent Trends in LLM4ScienceLijun Wu*Works done when in MSR AI4Science,now in ByteDanceYSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024Large Language ModelsLarge language models(LLMs)hav。

21、李紫宣大數據分析系統國家工程研究中心中國科學院網絡數據科學與技術重點實驗室智能算法安全全國重點實驗室KnowCoder 知碼大模型基于編程的知識抽取、融合與問答YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024目 錄一、知碼大模型概覽二、基于編程的統一信息抽取技術三、基于編程的兩階段知識融合技術四、基于編程的自進化知識問答技。

22、多模態情感識別的原理、方法與典型應用匯報人：趙思成2023年6月YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242匯報提綱多模態學習-研究歷程與典型工作多模態情感識別-研究背景與基本原理課題組相關進展-綜述、單模態、多模態情感識別典型應用-輿情分析、商業智能、醫療健康、個人娛樂等未來研究方向-大模型時代的多模態情感識別等Y。

23、基于話語表理論的語義分析 Semantic Parsing in Discourse Representation Theory劉江鳴 云南學2024年0616YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024Octopuses and Language(Bender and Koller,2020)2communicati。

24、俞蔚捷可信司法類案檢索研究11YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024 目錄0 01 10 02 20 03 3研究展望2研究背景研究內容YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024。

25、 L La ar rg ge e L La an ng gu ua ag ge e MMo od de el ls s f fo or r H He ea al lt th hc ca ar re e,t th he e P Pr ra ac ct ti ic ce e f fr ro omm H Hu ua at tu uo oG GP PT T (華華佗佗G GP PT T)B Be en 。