2024第二十届全国机器翻译大会嘉宾演讲PPT合集（共12套打包）

1、长上下文大模型长上下文大模型进展与挑战进展与挑战李俊涛报告内容1.1.什么是长上下文模型？什么是长上下文模型？3.3.长上下文大模型前沿与挑战长上下文大模型前沿与挑战2.2.如何训练长上下文模型如何训练长上下文模型？2.1 建模建模2.2 数据数据2.3 评测评测大模型上下文输入长度Source:Google Blog 2023DecClaude3-200K Mistral-7B-0.2-32K。

2、From MTer to LLMer:一个 NLPer 的十年1陆垚杰中文信息处理实验室中国科学院软件研究所2024/11/102提纲 个人介绍 MTer 深度学习在 NLP 中崛起 IEer 预训练模型的风口 LLMer 大模型时代的开启 总结3 最初的想法：我要做人工智能 初识 NLP：2014 年夏天阅读的第一篇论文：COLING 2014 Best Paper学习的第一个项目：Word2。

3、1/95赵阳中国科学院自动化研究所多模态人工智能系统全国重点实验室面向视觉场景的多模态面向视觉场景的多模态机器翻译方法机器翻译方法2/95提提 纲纲1 任务背景和介绍2 图片辅助场景的多模态机器翻译3 文本图像场景的多模态机器翻译字幕图像场景文档图像场景4 视频场景的多模态机器翻译5 总结3/951.任务背景和介绍任务背景和介绍翻译引擎/系统源语言目标语言广泛应用国家与公共安全国民经济发展社会生。

4、语模型的跨语可解释性：科研选题和经验分享CCMT 2024 学论坛 詹润哲 导师：輝副教授 Prof.Derek F.Wong 澳学 科技学院 然语与中葡机器翻译实验室2024/11/102Outline Research Workflow,Dilemma Regarding MT/LLMs(8 mins)Identifying Research Directions Addressing Re。

5、Inspiration thats Infinite字节跳动在模型同传开发中的正确和错误程善伯Inspiration thats Infinite评测（%）：讲者的真实意图有多少被正确翻译了（准确性）且户易理解（易读性）接近甚超过类的同传智能体Inspiration thats Infinite正确1：激进的标Inspiration thats Infinite-以中-英为例，我们的标：英语语者。

6、亲测有效的几种研究选题方式王 硕CCMT 2024三种选题方式2“先发制人”：选择一个全新的研究问题，或者用创新的方法解决现有的难题，开辟新的方向“后发制人”：根据当前主流方法中的不足，提出有针对性的优化或改进策略，或者扩展已有思想的应用场景，实现新的突破“移花接木”：借鉴其他领域的思想或方法，如计算机科学的其他分支、甚至是跨学科的理论，来解决本领域的难题“先发制人”不拘泥于现有的研究框架，开辟。

7、大模型时代的机器翻译科大讯飞研究院 高建清2024年11月规则翻译统计翻译机器翻译发展历程 1980s1993年2013年受限场景基本可用系统批量生产神经络网翻译2022年接近人类翻译水平大规模可用大模型翻译机器翻译面临的四大核心问题如何解决语言的歧义性和不确定性？01如何生成流畅、自然和地道的译文？02如何解决基于语言背后的文化翻译而非字面直译？03如何解决多轮交互和篇章翻译的一致性和连贯性？。

8、Page#Shanghai Artificial Intelligence L大语言模型的多语言能力增强袁袁飞飞上海人工智能实验室上海人工智能实验室Page#Shanghai Artificial Intelligence LPage 2RoadMap背景词表数据训练机遇与挑战Page#Shanghai Artificial Intelligence LPage 3大语言模型：LLM模型结构 结。

9、机器翻译技术在大模型研究中的新机遇!#$%&()*+,-./1!#$%&()2!#$!#$!#$%&()*+&,*+-./+0123()*+456()*+!#$%&()3!#$!#$!#$%&()*+&,*+-./+0123()*+456()*+LLMLLM forfor *+,-.%!#$4WhatsWhats nextnext?!#$%。

10、浅谈模型时代的科研选题李家欢 南京学模型带来的机遇与挑战 模型的出现深刻改变了NLP的研究 些传统任务、范式的研究必要性减弱:词性标注/句法分析、模型架构探索 新任务、新法层出不穷：扮演/本成、指令微调/RLHF科研课题的选择与实施 科研同学最容易问的问题:如何从现在海量的论中找到有价值的论阅读？如何阅读论？如何判断个课题能不能做、适不适合？如何找到并完成个好的科研课题？-三阶段案 头脑暴阶段:。

11、多模态机器翻译前沿趋势!#$%&()*+,1!n#$#$%&%&n()&)&n*+*+%&%&2#$%&n!#$n%&!()*+!#$%&()*+,-./&()*+,0)1)*+,n!#$%#$&!2345670)1)*+,3#$()*+n()*+,()*+,-.-.!/!/-.-.89:;?A!#$。

12、机器翻译视角下的多语言大模型黄书剑南京大学计算机学院0机器翻译的研究范式正在转变神经机器翻译:主要从平行数据中学习翻译知识大语言模型:主要从单语数据中学习通用知识（包含翻译知识）语言模型单语数据预训练指令微调In-context Learning平行数据训练平行数据翻译模型1机器翻译的研究范式正在转变神经机器翻译:主要从平行数据中学习翻译知识大语言模型:主要从单语数据中学习通用知识（包含翻译知识。