不可错过！普林斯顿陈丹琦最新《大语言模型理解》2022课程！全面讲述BERT、GPT、T5等大模型，附Slides

在过去3-4年中，大型语言模型(LLMs)彻底改变了自然语言处理(NLP)领域。它们构成了最先进的系统的基础，在解决广泛的自然语言理解和生成任务时无处不在。随着前所未有的潜力和能力，这些模型也带来了新的道德和可扩展性挑战。本课程旨在涵盖围绕预训练语言模型的前沿研究课题。我们将讨论它们的技术基础(BERT、GPT、T5模型、专家混合模型、基于检索的模型)、新出现的功能(知识、推理、少样本学习、上下文学习)、微调和适应、系统设计以及安全和伦理。我们将涵盖每个主题，并深入讨论重要论文。学生将被期望定期阅读和提交研究论文，并在结束时完成一个研究项目。

这是一门高级研究生课程，所有学生都应该上过机器学习和NLP课程，并熟悉诸如transformer等深度学习模型。

https://www.cs.princeton.edu/courses/archive/fall22/cos597G/

• 本课程旨在帮助您在自然语言处理方面进行前沿研究，特别是与预训练语言模型相关的主题。我们将讨论最先进的技术，它们的能力和局限性。

• 练习你的研究技能，包括阅读研究论文，进行文献调查，口头报告，以及提供建设性的反馈。

• 通过期末项目获得实践经验，从头脑风暴到实施和实证评估，再到撰写期末论文。

• 引言

• BERT

• T5 (encoder-decoder models)

• GPT-3 (decoder-only models)

• Prompting for few-shot learning

• Prompting as parameter-efficient fine-tuning

• In-context learning

• Calibration of prompting LLMs

• Reasoning

• Knowledge

• Data

参考论文：On the Opportunities and Risks of Foundation Models

• 作者：Percy Liang、李飞飞等

• 论文链接：https://arxiv.org/pdf/2108.07258.pdf

摘要：最近，斯坦福大学的 Percy Liang、Rishi Bommasani（Percy Liang 的学生） 、李飞飞等 100 多位研究者联名发布了一篇论文。在论文中，他们给大模型取了一个名字——「基础模型（foundation model）」，并系统探讨了基础模型的机遇与风险。「基础」代表至关重要，但并不完备。

论文正文分为四个部分，分别阐述了基础模型的能力、应用、相关技术和社会影响，其具体内容如下：

• 能力：语言、视觉、机器人学、推理、交互、理解等；

• 应用：医疗、法律、教育等；

• 技术：建模、训练、适应、评估、系统、数据、安全与隐私、稳健性、理论、可解释性等；

• 社会影响：不平等、滥用、环境、法规、经济、伦理等。

 这篇论文的问世将为负责任地发展、部署基础模型提供一些借鉴。

扫描二维码添加小助手微信