报告题目: 实用AI系统: 从通用模型回归特定应用

报告人：吴彤霜老师

主持人：赵东岩老师

时间：12月19日（周二） 下午14:00—16:00

地点：王选所106会议室

摘要:

大型语言模型（LLM）展示了我们在通用模型开发方面取得的显著进步。这些模型在各种任务中都表现出色，使用户能够跳过繁琐的模型训练，直接在各种场景中应用最先进的AI技术。然而，通用模型并不总能完美满足每个用户的特定需求。我们应该如何确保这些模型在实际应用中能够发挥作用呢？在这次演讲中，我将分享我们最近在具体应用场景中评估和定制通用模型的经验。首先，我将介绍一些评估和将LLMs应用到特定场景的方法。然后，通过比较人类和LLMs在执行相同任务时可能存在的差异，我会讨论我们应该忽然更好地选择适合LLMs的任务。最后，我将探讨培训人类和LLMs以获得互补技能的潜力。

报告人简介：

吴彤霜是卡内基梅隆大学的助理教授。她的研究方向涉及人机交互 (HCI)和自然语言处理 (NLP)，主要关注人类（包括AI专家、普通用户和领域专家）如何更实际地与AI系统进行互动，包括调试、审计和协作。她的工作主要集中在评估自然语言处理模型的能力、支持人参与NLP模型调试和修正，以及促进人工智能与人类之间的合作。她在ACL、CHI、TOCHI、TVCG等顶级自然语言处理、人机交互和可视化领域的会议和期刊上发表论文并曾斩获多个奖项。在加入卡内基梅隆大学之前，吴彤霜在华盛顿大学获得了博士学位，本科毕业于香港科技大学，并曾在微软研究院、谷歌研究和苹果公司实习。更多信息请见个人主页：http://cs.cmu.edu/~sherryw。

报告现场：

12月19日下午，卡内基梅隆大学助理教授吴彤霜老师在王选所106会议室就“实用AI系统: 从通用模型回归特定应用”进行了精彩的分享。大型语言模型（LLM）在通用模型开发方面取得显著进步，但如何确保这些模型在实际应用中能够发挥作用成为一个关键问题。吴彤霜教授首先介绍了一些评估和将LLM应用到特定场景的方法。通过比较人类和LLM在执行相同任务时的差异，她探讨了如何更好地选择适合LLM的任务。最后，她深入研究了培训人类和LLM以获得互补技能的潜力。

在吴老师的报告分享结束后，现场的老师和同学纷纷提出了关于大模型和学术等多方面的问题和想法，使得现场气氛异常热烈。吴彤霜教授的分享引领着对实用AI系统的未来展望，鼓励大家思考如何更好地定制和应用通用模型，以满足各种实际需求。这次讲座为大家提供了一个深入探讨通用模型应用的机会，同时也为参与者带来了对实用AI系统的新思考和启示。