2024第二十一届自然语言处理青年学者研讨会嘉宾演讲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、小分子性质优化方法汇报人：四川大学 刘祥根样本受限条件下的中国中文信息学会YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024分子性质优化背景01.分子性质优化是从分子、原子、电子水平上利用数据库等大量实验数据，通过计算机技术设计出性质更好的分子。领域材料科学生物医药应。

3、云南 昆明2024年06月15日大模型驱动的群体智能钱 忱清华大学 自然语言处理实验室YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024包括美国三院院士 Li Fei-Fei、美国文理学院院士ChristopherManning 和 Dan Jurafsky 在内的斯坦福大学100多位学者联名发表长达160页的观点文章，提出。

4、面向开放域的大模型智能体李鹏2024年6月15日YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242大模型智能体迅猛发展 2023年以来大模型智能体受到广泛关注，研究、框架、应用迅猛发展。https:/ et al.2023.A Survey on Large Language Model based Autonomous 。

5、Value Alignment in LLMs:Pluralism,Transferability and Controllability天津大学自然语言处理实验室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、大语言模型高效自动对齐基于反馈学习的模型能力自动强化演进糜飞华为-诺亚方舟实验室-语音语义【盘古大模型研发研究员】YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024 可能下一阶段大模型越用越智能、商业化能力提升的重点，是数据飞轮、基于反馈的自动强化&对齐 协同。

8、智能体自主演化学习丁丁 效效哈工大社会计算与信息检索研究中心哈工大社会计算与信息检索研究中心2024年年6月月15日日YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024智能体 智能体的概念来源于哲学，其根源可以追溯到亚里士多德和休谟等思想家：智能体是拥有欲望、信念、意图和采取行动的能力的实体（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、大模型智能体的行为安全探索张倬胜上海交通大学YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024大模型智能体：大模型的“知行合一”2缸中之脑q大模型在内容理解、推理和创作方向取得了显著的进展，但离物理世界存在着鸿沟q知行合一：从内容智能到行为智能，构建大模型智能体，建立迈向通用人工智能的关键纽带大模型智能体框架Igniting。

12、数据驱动下的大模型微调：策略与挑战杨敏&倪仕文YSSNLP 2024 昆明YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024团队介绍SIAT-NLP另有博士生研究生和硕士生研究生30余人谭明环 博士新加坡管理大学助理研究员倪仕文 博士台湾成功大学助理研究员杨敏。

13、大大语语言言模模型型对对检检索索公公平平性性与与无无偏偏性性的的挑挑战战徐君 中国人民大学高瓴人工智能学院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、多模态大模型驱动的营养健康管理陈静静 复旦大学2022024 4-0606-16161YSSLNLP 2024 多模态大模型论坛YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242提纲一、研究背景二、食物营养分析多模态大模型三、基于饮食日志的体重预测四、总结YSSNLP2024YSSNLP2024YSSNLP2024 YSS。

18、大模型时代下的生物医学文本挖掘初步探索罗 凌信息检索研究室计算机科学与技术学院大连理工大学2024年6月16日YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024生物医学文本挖掘l 生物医学文本挖掘：将人工智能技术（自然语言处理技术和机器学习方法）应。

19、报告人：林衍凯单 位：中国人民大学 高瓴人工智能学院大大模模型型工工具具学学习习YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024大大模模型型带带来来智智能能涌涌现现学习大大数数据据需要大大参参数数，训练大参数模型需要大大算算力力，计算量增长使模型涌涌现现智智能能大大模模型型随随计计算算量量增增长长而而不不断断生生出出新新能。

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

21、李紫宣大数据分析系统国家工程研究中心中国科学院网络数据科学与技术重点实验室智能算法安全全国重点实验室KnowCoder 知码大模型基于编程的知识抽取、融合与问答YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024目 录一、知码大模型概览二、基于编程的统一信息抽取技术三、基于编程的两阶段知识融合技术四、基于编程的自进化知识问答技。

22、多模态情感识别的原理、方法与典型应用汇报人：赵思成2023年6月YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP20242汇报提纲多模态学习-研究历程与典型工作多模态情感识别-研究背景与基本原理课题组相关进展-综述、单模态、多模态情感识别典型应用-舆情分析、商业智能、医疗健康、个人娱乐等未来研究方向-大模型时代的多模态情感识别等Y。

23、基于话语表理论的语义分析 Semantic Parsing in Discourse Representation Theory刘江鸣 云南学2024年0616YSSNLP2024YSSNLP2024YSSNLP2024 YSSNLP2024YSSNLP2024YSSNLP2024Octopuses and Language(Bender and Koller,2020)2communicati。

24、俞蔚捷可信司法类案检索研究11YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024YSSNLP2024 目录0 01 10 02 20 03 3研究展望2研究背景研究内容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 (华华佗佗G GP PT T)B Be en 。