报告主题：大模型知识提示学习与知识编辑

报 告 人：张宁豫

报告时间：2023年5月24日 上午10:00-11:00

报告地址：计算机楼C404

报告摘要：

当前，以“涌现”和“同质化”为特点的大模型或基石模型如ChatGPT等显著提升了大量自然语言处理任务的性能。随着提示学习等新技术的出现与发展，大模型辅之以提示，具备少次学习、高效微调等显著优势。然而，力大就一定为王么？大模型因其对缺乏对新出现事实知识的理解和对领域任务的认知而经常犯非常低级而严重的错误。在本次报告将介绍知识提示学习与知识编辑。首先介绍如何通过植入相关的任务和领域知识来构建提示模板，以“知识提示”指导预训练语言模型，以提升模型对任务和领域的感知，充分的激发预训练语言模型的潜力。接着介绍如何通过大模型知识编辑以实现新知识的高效习得和错误知识的精准修正，并具体讨论知识编辑在多个任务上的表现。

报告人简介：

张宁豫，博士，浙江大学副教授，博士生导师。研究方向包括自然语言处理、知识图谱等，在自然语言处理和知识图谱领域已发表多篇顶级会议和期刊文章，包括Nature Machine Intelligence、Nature Communications、NeurIPS、ICLR、AAAI、KDD、WWW、ICDE、ACL、EMNLP等，Google学术引用两千余次，四篇论文入选Paper Digest高影响力论文，获浙江省科技进步二等奖，国际会议IJCKG最佳论文/提名2次，CCKS最佳论文奖1次；担任ACL领域主席、ARR Action Editor、IJCAI 高级程序委员、ACM Transactions on Asian and Low-Resource Language Information Processing Associate Editor及EMNLP、NeurIPS、ICLR、ICML等会议程序委员会委员，担任CCF计算机术语审定委员会委员、信息系统专业委员会执行委员，中国中文信息学会青年工作委员会委员、语言与知识计算专业委员会委员。